GabaritoE — Errado
Gabarito: letra E (ERRADO). A regressão linear busca estabelecer uma relação entre as variáveis de entrada (independentes) e uma variável de saída (dependente), e não entre as próprias variáveis de entrada. O enunciado está incorreto ao afirmar que a relação é estabelecida entre as variáveis de entrada de um algoritmo.
A regressão linear é uma técnica de aprendizado supervisionado que modela a relação entre uma variável dependente (resposta, alvo) e uma ou mais variáveis independentes (preditoras, explicativas). O objetivo é prever ou explicar o comportamento da variável de saída com base nas variáveis de entrada. O termo "linear" indica que a relação é descrita por uma equação de reta (regressão simples) ou hiperplano (regressão múltipla).
A distinção crucial é que a regressão não busca relação entre as variáveis de entrada entre si, mas sim entre as entradas e a saída. Por exemplo, ao prever o preço de um imóvel (variável dependente) com base na metragem (variável independente), o modelo estabelece uma relação entre essas duas variáveis, não entre metragens de imóveis diferentes.
A pegadinha da banca está em inverter o papel das variáveis: o candidato pode confundir "relação entre as variáveis de entrada" com "relação entre entrada e saída". A regressão linear é um modelo de aprendizado supervisionado, que utiliza dados rotulados (com a variável de saída conhecida) para treinar o modelo.
O item está errado porque a regressão linear não busca estabelecer uma relação entre as variáveis de entrada de um algoritmo, mas sim entre as variáveis de entrada (independentes) e uma variável de saída (dependente). O enunciado omite a variável dependente, que é o foco do modelo. A regressão linear modela como a variável de resposta se comporta em função das variáveis explicativas, permitindo prever valores contínuos ou explicar a influência de cada preditora.
Gabarito: letra E (ERRADO).
Link permanente: /questoes/ce187235