Questão de Banco de Dados — Big Data — CESPE / CEBRASPE 2025
Banco de Dados›Big Data
Código
ce204748
Banca
CESPE / CEBRASPE
Órgão
FUNPRESP-EXE
Ano
2025
Nível
Superior
Cargo
Analista de Previdência Complementar - Área 8: Estatística, Ciência de Dados e Inovação
Julgue o próximo item, a respeito de machine leaning.Árvores de decisão são técnicas de modelagem preditiva que particionam iterativamente os dados em subconjuntos homogêneos baseados em variáveis explicativas.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
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”.
Machine Learning: Árvores de Decisão
✅ CERTO. A afirmação descreve com precisão o funcionamento das árvores de decisão: elas são técnicas de modelagem preditiva que particionam recursivamente (iterativamente) o espaço de atributos em subconjuntos homogêneos quanto à variável alvo, utilizando variáveis explicativas (features) para guiar as divisões.
As árvores de decisão podem ser usadas tanto para tarefas de classificação (predição de categorias discretas) quanto de regressão (predição de valores numéricos). O particionamento é feito com base em métricas de impureza como Gini, entropia ou variância, buscando maximizar a homogeneidade dos subconjuntos resultantes. Portanto, o enunciado está correto.
Árvores de decisão: Modelagem preditiva (Classificação (categorias), Regressão (valores)); Particionamento iterativo (Subconjuntos homogêneos, Baseado em variáveis explicativas); Métricas de impureza (Gini, Entropia, Variância)
PEGA ESSA DICA!
Em provas, lembre-se de que árvores de decisão são modelos supervisionados, fáceis de interpretar e que lidam bem com dados categóricos. Para variáveis contínuas, é necessária discretização.