Questão de Algoritmos e Estrutura de Dados — Algoritmos — CESPE / CEBRASPE 2025
Algoritmos e Estrutura de Dados›Algoritmos
Código
ce219653
Banca
CESPE / CEBRASPE
Órgão
TRF - 6ª REGIÃO
Ano
2025
Nível
Superior
Cargo
Analista Judiciário – Área: Apoio Especializado – Especialidade: Governança e Gestão de Tecnologia da Informação
No que se refere à ciência de dados, julgue o item seguinte.Em aprendizado supervisionado, o algoritmo random forest utiliza múltiplas árvores de decisão para melhorar a precisão das previsões e reduzir o risco de overfitting.
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”.
Random Forest – aprendizado supervisionado
✅ CERTO. A afirmativa está correta: o algoritmo random forest (floresta aleatória) é um método de aprendizado supervisionado baseado em ensembles que combina múltiplas árvores de decisão (modelos fracos) para produzir um modelo mais robusto, aumentando a precisão e reduzindo o overfitting, problema comum em árvores individuais.
O random forest utiliza a técnica de bagging (bootstrap aggregating): cada árvore é treinada em uma amostra aleatória dos dados com reposição, e as previsões são combinadas (por votação, em classificação, ou média, em regressão). Esse processo reduz a variância do modelo, mitigando o overfitting, sem aumentar significativamente o viés. O contexto de apoio traz que "o algoritmo random forest é um algoritmo de aprendizado de máquina supervisionado em que se agrupam os resultados de várias árvores de decisão... para aumentar a precisão do modelo", corroborando a afirmação.
Portanto, a descrição do item é precisa.
Random Forest: Aprendizado supervisionado; Ensemble de árvores de decisão; Técnica: Bagging (Amostra aleatória com reposição, Combinação por votação/média); Vantagens (Maior precisão, Reduz overfitting, Menor variância)