Julgue o item a seguir, a respeito de gestão de dados e de aprendizado de máquina.O algoritmo de aprendizagem supervisionada K-means é amplamente utilizado para a classificação de dados rotulados e predição de resultados futuros.
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”.
K-means e aprendizado supervisionado
Gabarito: ERRADO. O K-means é um algoritmo de aprendizado não supervisionado, utilizado para agrupamento (clustering) de dados, e não para classificação de dados rotulados. A afirmação inverte o tipo de aprendizado, atribuindo ao K-means características do aprendizado supervisionado.
O K-means é um método de clusterização que particiona os dados em (k) grupos com base na similaridade (distância) entre os pontos, sem utilizar rótulos prévios. Já a classificação de dados rotulados é tarefa de algoritmos supervisionados, como árvores de decisão, SVM ou regressão logística. O enunciado, portanto, está errado.
Algoritmo
Tipo de Aprendizado
Tarefa Principal
Utiliza Rótulos?
K-means
Não supervisionado
Agrupamento (clustering)
Não
Árvore de decisão
Supervisionado
Classificação
Sim
SVM
Supervisionado
Classificação
Sim
Regressão logística
Supervisionado
Classificação
Sim
NÃO CAIA NESSA!
A banca troca o tipo de aprendizado: o K-means é não supervisionado, mas a frase o descreve como supervisionado. Lembre-se: K-means → clusterização (não supervisionado), enquanto classificação com rótulos é supervisionada.