Pular para o conteúdo principal

Questão de Noções de Informática — Inteligência Artificial e Automação — CESPE / CEBRASPE 2025

Noções de InformáticaInteligência Artificial e Automação
Código
ce214825
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-SE
Ano
2025
Nível
Superior
Cargo
Auditor Fiscal Tributário - Geral
Considerando o contexto da mineração de dados, assinale a opção correta a respeito do funcionamento e das características das árvores de decisão.
  1. AA impureza de uma partição em uma árvore de decisão será considerada maior quanto mais homogênea ela for em relação às classes dos exemplares.
  2. BPor não serem adequadas a atributos numéricos, as árvores de decisão são utilizadas de forma exclusiva para atributos categóricos.
  3. CCada caminho de uma árvore de decisão — do nó-raiz até uma folha — representa um conjunto de decisões aleatórias aplicadas ao conjunto de treinamento.
  4. DA interpretação de uma árvore de decisão não é recomendada para justificar decisões, pois o modelo resultante tende a ser opaco e de difícil compreensão.
  5. EA árvore de decisão pode ser percorrida por um exemplar de teste desde a raiz até uma folha; as decisões são tomadas com base nos atributos, gerando-se uma classificação.
Revelar gabarito e comentário

GabaritoE — A árvore de decisão pode ser percorrida por um exemplar de teste desde a raiz até uma folha; as decisões são tomadas com base nos atributos, gerando-se uma classificação.

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”.

Árvores de Decisão em Mineração de Dados

Gabarito: letra E. A alternativa descreve corretamente o funcionamento de uma árvore de decisão: um exemplar de teste percorre a árvore da raiz até uma folha, tomando decisões com base nos valores dos atributos, resultando em uma classificação. As demais alternativas apresentam erros conceituais.

Alternativa A — ❌ Incorreta

Afirma que a impureza é maior quanto mais homogênea a partição. Na verdade, a impureza (medida por entropia ou Gini) é menor em partições homogêneas. Conforme o contexto: "A entropia é utilizada como uma medida de impureza, isto é, é zero quando os dados são pertencentes a uma única classe." Portanto, homogeneidade → impureza zero (mínima).

Alternativa B — ❌ Incorreta

Diz que árvores de decisão não são adequadas a atributos numéricos e são usadas exclusivamente para categóricos. Isso é falso: árvores de decisão lidam naturalmente com atributos numéricos, realizando cortes (thresholds) para dividir os dados.

Alternativa C — ❌ Incorreta

Afirma que cada caminho representa um conjunto de decisões aleatórias. As decisões em uma árvore de decisão são determinísticas, baseadas na minimização de impureza (por exemplo, ganho de informação). Não há aleatoriedade no processo de construção ou percurso.

Alternativa D — ❌ Incorreta

Diz que a interpretação não é recomendada porque o modelo é opaco. Pelo contrário, árvores de decisão são modelos transparentes e facilmente interpretáveis. São frequentemente usadas para justificar decisões em áreas que exigem explicabilidade.

Alternativa E — ✅ Correta ⟵ GABARITO

Descreve exatamente o funcionamento: um exemplar de teste percorre a árvore da raiz até uma folha, tomando decisões baseadas nos atributos, e a folha fornece a classificação (ou valor, em regressão).

NÃO CAIA NESSA!

A alternativa A inverte o conceito de impureza: quanto mais homogênea, menor a impureza. A banca explora essa confusão comum entre homogeneidade e pureza.

Gabarito: letra E.

Link permanente: /questoes/ce214825