Analista Ministerial - Especialidade: Ciências da Computação
Julgue o item a seguir, em relação a técnicas de agrupamento, a técnicas de redução de dimensionalidade, e a processamento de linguagem natural.A análise de componentes principais (PCA) é uma técnica usada para enfatizar a variação e trazer os padrões fortes em um conjunto de dados, e pode ser utilizada para facilitar a exploração e visualização dos dados, pois permite a redução do número de dimensões de um sistema.
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”.
Análise de Componentes Principais (PCA)
✅ CERTO. A afirmação descreve corretamente a Análise de Componentes Principais (PCA): ela é uma técnica de redução de dimensionalidade que busca capturar a maior variância possível dos dados em um número menor de componentes, facilitando a exploração e visualização. O item está em conformidade com os fundamentos da análise multivariada.
A PCA é uma técnica matemática da análise multivariada que transforma um conjunto original de variáveis, possivelmente correlacionadas, em um novo conjunto de variáveis linearmente não correlacionadas, chamadas de componentes principais. O primeiro componente principal retém a maior proporção da variância total; o segundo, a maior parte da variância restante, e assim por diante. Dessa forma, ao selecionar apenas os primeiros componentes, reduz-se a dimensionalidade dos dados com a menor perda possível de informação, o que é exatamente o que o enunciado afirma.
A redução de dimensionalidade é uma das principais aplicações da PCA, pois permite que dados de alta dimensão sejam projetados em um espaço de menor dimensão (por exemplo, 2D ou 3D), viabilizando a visualização gráfica e a identificação de padrões. O item também menciona que a PCA "enfatiza a variação", o que está correto, pois ela trabalha com a matriz de covariância (ou correlação) e busca direções de máxima variância.
É importante distinguir a PCA de outras técnicas multivariadas, como a análise fatorial (que modela a estrutura de correlações entre variáveis, focando na variância comum) e a análise de cluster (que agrupa observações). A PCA é essencialmente uma técnica de redução de dimensionalidade, não de agrupamento.
A banca explora o conhecimento conceitual da PCA, sem exigir cálculos. A afirmação é uma definição clássica e correta, portanto o item está CERTO.
Redução de dimensionalidade — só Técnicas de redução: outras; só PCA: 0; Técnicas de redução∩PCA: PCA