Pular para o conteúdo principal

Questão de Estatística — Análise Multivariada — CESPE / CEBRASPE 2025

EstatísticaAnálise Multivariada
Código
ce223278
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Julgue o próximo item, no que se refere a métodos de análise multivariada e a técnicas para a redução de dimensionalidade e interpretação de dados complexos.O t-SNE é uma técnica supervisionada de redução de dimensionalidade que é eficaz para a visualização de dados complexos.
  1. CCerto
  2. 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”.

t-SNE: técnica não supervisionada de redução de dimensionalidade

❌ ERRADO. O t-SNE (t-Distributed Stochastic Neighbor Embedding) é uma técnica não supervisionada de redução de dimensionalidade, e não supervisionada como afirma o item. Ele é amplamente utilizado para visualizar dados complexos em baixa dimensão (geralmente 2D ou 3D), preservando a estrutura local dos dados, mas não utiliza rótulos das classes no processo de aprendizado.

O t-SNE pertence à família de métodos de redução de dimensionalidade não supervisionados, assim como o PCA (Análise de Componentes Principais) e o UMAP. A diferença fundamental entre métodos supervisionados e não supervisionados está no uso de variáveis de resposta (rótulos): métodos supervisionados, como a Análise Discriminante Linear (LDA) e a Regressão Logística, utilizam os rótulos das classes para encontrar uma projeção que maximize a separação entre grupos; métodos não supervisionados, como o t-SNE, exploram a estrutura intrínseca dos dados sem considerar rótulos.

A banca explora exatamente essa confusão: o candidato pode associar "visualização de dados complexos" a um método que "aprende" com os dados, mas o t-SNE não é supervisionado. Ele é uma ferramenta exploratória, frequentemente usada na etapa de análise exploratória de dados (EDA) para identificar agrupamentos naturais, outliers ou padrões, antes de aplicar métodos supervisionados.

Redução de dimensionalidade
  • 1Não supervisionado
    • PCA (maximiza variância)
    • t-SNE (preserva estrutura local)
    • UMAP (estrutura local e global)
  • 2Supervisionado
    • LDA (maximiza separação entre classes)
    • Regressão logística
LEVEL · soulevel.com.br

Alternativa C — ❌ Incorreta

A alternativa afirma que o t-SNE é uma técnica supervisionada. Isso está errado: o t-SNE é não supervisionado. Ele não utiliza rótulos das classes para construir a projeção; em vez disso, modela as similaridades entre os pontos no espaço original e tenta reproduzi-las no espaço de baixa dimensão, minimizando a divergência de Kullback-Leibler entre as duas distribuições de probabilidade. A parte final da afirmação — "eficaz para a visualização de dados complexos" — é verdadeira, mas o erro está na classificação como supervisionada.

NÃO CAIA NESSA!

A banca troca o caráter do método: apresenta o t-SNE como supervisionado, quando na verdade é não supervisionado. O candidato pode cair ao pensar que, por ser usado para "interpretar dados complexos", ele deve ser supervisionado. Lembre-se: supervisionado = usa rótulos (ex.: LDA, regressão logística); não supervisionado = explora a estrutura sem rótulos (ex.: PCA, t-SNE, clusterização).

PEGA ESSA DICA!

Para não errar em questões assim, faça uma tabela mental dos principais métodos de redução de dimensionalidade:

Método

Tipo

Objetivo

PCA

Não supervisionado

Maximizar a variância projetada

t-SNE

Não supervisionado

Preservar a estrutura local (visualização)

UMAP

Não supervisionado

Preservar estrutura local e global

LDA

Supervisionado

Maximizar a separação entre classes

Na prova, ao ver "supervisionado" ou "não supervisionado", pergunte-se: o método usa os rótulos das classes? Se sim, é supervisionado; se não, é não supervisionado.

Gabarito: letra E (ERRADO).

Link permanente: /questoes/ce223278