Considerando essa situação hipotética, julgue o próximo item.Com base nos dados do conjunto A, caso se deseje agrupar as pessoas em empregado e não empregado, poderá ser utilizado, para essa finalidade, o algoritmo k-nearest neighbors, que agrupa os dados em k clusters, de forma não supervisionada.
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”.
Algoritmos de Aprendizado de Máquina – k-NN vs k-means
Gabarito: ERRADO. O algoritmo k-nearest neighbors (k-NN) é de aprendizado supervisionado e não realiza agrupamento (clustering); ele classifica novos pontos com base nos k vizinhos mais próximos do conjunto de treino rotulado. A descrição apresentada confunde o k-NN com o k-means, que é um algoritmo não supervisionado que realmente agrupa dados em k clusters.
A banca testa a distinção fundamental entre aprendizado supervisionado e não supervisionado, além da finalidade de cada algoritmo. No caso do conjunto A, o objetivo é classificar pessoas em empregado ou não empregado, o que caracteriza uma tarefa de classificação supervisionada. O k-NN pode ser usado para isso, desde que haja dados rotulados para treino, mas ele não agrupa dados em clusters e não é não supervisionado. Já o k-means, que é não supervisionado, agrupa dados sem rótulos prévios, o que não atenderia ao objetivo de classificar em categorias predefinidas.
Portanto, a assertiva está ERRADA por dois motivos: (1) atribui ao k-NN a característica de agrupamento não supervisionado, que é própria do k-means; (2) descreve o k-NN como se fosse um algoritmo de clustering, quando na verdade é de classificação supervisionada.
✅ CERTO – não se aplica. ❌ ERRADO – a afirmativa é falsa.