Engenharia de Software · CESPE / CEBRASPE · 2025 | Questão sqc-ce196317

Engenharia de SoftwareInteligencia Artificial

Código: ce196317
Banca: CESPE / CEBRASPE
Órgão: CAESB-DF
Ano: 2025
Nível: Superior

Cargo: Analista de Suporte ao Negócio - Analista de Sistemas

A respeito do aprendizado supervisionado, assinale a opção correta.

AOs algoritmos de regressão logística garantem que o modelo seja treinado e testado exclusivamente com o mesmo conjunto de dados para minimizar a variância do modelo.
BO algoritmo de regressão linear é mais adequado para prever variáveis categóricas do que o Naive Bayes.
CNa validação cruzada, o conjunto de dados é particionado em conjunto de treino, validação e teste, para que se avalie o desempenho do modelo de maneira confiável.
DA máquina de suporte de vetores é um algoritmo probabilístico que sempre fornece a probabilidade de uma classe específica.
EO algoritmo k-nearest neighbors utiliza a média ponderada dos coeficientes para estimar as relações lineares entre as variáveis.

Revelar gabarito e comentário

GabaritoC — Na validação cruzada, o conjunto de dados é particionado em conjunto de treino, validação e teste, para que se avalie o desempenho do modelo de maneira confiável.

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”.

Aprendizado Supervisionado e Validação Cruzada

Gabarito: letra C. A alternativa C descreve corretamente o procedimento da validação cruzada, onde os dados são particionados em conjuntos de treino, validação e teste para avaliação confiável do modelo. As demais alternativas contêm erros conceituais comuns.

Alternativa A — ❌ Incorreta

Afirma que a regressão logística garante treino e teste com o mesmo conjunto de dados para minimizar a variância. Na verdade, usar os mesmos dados para treino e teste causa overfitting e não minimiza a variância; a validação cruzada usa dados disjuntos.

Alternativa B — ❌ Incorreta

Diz que regressão linear é mais adequada para prever variáveis categóricas do que Naive Bayes. Regressão linear é para variáveis contínuas; Naive Bayes é para classificação (categóricas). O correto é o oposto.

Alternativa C — ✅ Correta ⟵ GABARITO

Na validação cruzada, o conjunto de dados é particionado em treino, validação e teste. Essa prática permite avaliar o desempenho do modelo de forma confiável, evitando viés de superajuste.

Alternativa D — ❌ Incorreta

Afirma que SVM é um algoritmo probabilístico que sempre fornece probabilidades. SVM padrão não é probabilístico; ele encontra hiperplanos de separação. Existem extensões (Platt scaling) que geram probabilidades, mas não é "sempre" uma característica nativa.

Alternativa E — ❌ Incorreta

Diz que k-NN utiliza média ponderada dos coeficientes para estimar relações lineares. k-NN é baseado em distância (votação ou média dos k vizinhos), não em coeficientes ou relações lineares.

PEGA ESSA DICA!

Para questões de aprendizado supervisionado, lembre-se dos pares: regressão linear → contínua; regressão logística → classificação binária; Naive Bayes e SVM → classificação (SVM não probabilístico); k-NN → baseado em distância. A validação cruzada é essencial para generalização.

Gabarito: letra C.

Link permanente: /questoes/ce196317