Questão de Algoritmos e Estrutura de Dados — Algoritmos — CESPE / CEBRASPE 2025
Algoritmos e Estrutura de Dados›Algoritmos
Código
ce194893
Banca
CESPE / CEBRASPE
Órgão
ANM
Ano
2025
Nível
Superior
Cargo
Especialista em Recursos Minerais - Especialidade: Qualquer Área de Formação (Fiscalização e Distribuição de Receita)
Julgue o item a seguir, referente a algoritmos de aprendizado de máquina.O algoritmo KNN (k-nearest neighbors) é um modelo supervisionado de aprendizado de máquina que realiza previsões classificando uma nova amostra com base na maioria dos votos de seus K vizinhos mais próximos, definidos por uma métrica de distância.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoE — Errado
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Algoritmo KNN – classificação e modelo
Gabarito: ERRADO (E). A afirmativa está incorreta ao qualificar o KNN como um "modelo supervisionado". O KNN é, de fato, um algoritmo de aprendizado supervisionado (usa dados rotulados), mas é não paramétrico e do tipo lazy learning (preguiçoso): ele não constrói um modelo a partir dos dados de treinamento, apenas memoriza os exemplos e realiza a classificação por proximidade. A descrição do funcionamento (maioria dos votos dos K vizinhos mais próximos com base em uma métrica de distância) está correta, mas o termo "modelo" é tecnicamente impreciso, pois KNN não gera parâmetros nem uma função de decisão explícita — ele armazena o conjunto de treino e consulta diretamente os vizinhos. Portanto, a afirmação é Errada.
KNN (k-nearest neighbors): Supervisionado (usa dados rotulados); Não paramétrico; Lazy learning (preguiçoso) (Memoriza exemplos, Não constrói modelo explícito, Sem parâmetros ou função de decisão); Funcionamento (Métrica de distância, Maioria dos votos dos K vizinhos)
PEGA ESSA DICA!
Em questões de aprendizado de máquina, atente para a distinção entre algoritmos paramétricos (que geram um modelo com parâmetros, como regressão linear) e não paramétricos (que não assumem forma funcional fixa, como KNN). O KNN é supervisionado, mas é um algoritmo de memorização, não um modelo no sentido estrito.