Questão de Algoritmos e Estrutura de Dados — Algoritmos — CESGRANRIO 2021
Algoritmos e Estrutura de Dados›Algoritmos
Código
cg016260
Banca
CESGRANRIO
Órgão
Banco do Brasil
Ano
2021
Nível
Médio
Cargo
Agente de Tecnologia
Um pesquisador conseguiu uma base de dados que mostrava terrenos classificados de acordo com:• características físicas;• tipo de negócio a ser nele implantado;• risco esperado, que compreendia os rótulos alto, médio, baixo ou nenhum.Decidiu, então, usar um algoritmo de aprendizado de máquina que, a partir das características físicas do terreno e do tipo de negócio a ser nele implantado, aprenderia a determinar o risco esperado, enquadrando o terreno em questão em um daqueles rótulos.Nesse cenário, que algoritmo de aprendizado de máquina é indicado para resolver esse problema?
APCA
BK-NN
CDBSCAN
DK-Medoids
ERedes de Kohonen
Revelar gabarito e comentário▾
GabaritoB — K-NN
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”.
Aprendizado de máquina supervisionado: classificação
Gabarito: letra B. O problema descrito é de classificação supervisionada: a partir de características físicas e tipo de negócio (atributos de entrada), o algoritmo deve aprender a prever o rótulo de risco (alto, médio, baixo, nenhum). O K-NN (K-Nearest Neighbors) é um algoritmo de aprendizado supervisionado indicado para classificação, pois atribui a um novo exemplo o rótulo mais frequente entre seus k vizinhos mais próximos no espaço de atributos. Os demais algoritmos listados são não supervisionados (clustering) ou de redução de dimensionalidade, portanto inadequados para o problema.
Alternativa A — ❌ Incorreta
PCA (Principal Component Analysis) é uma técnica de redução de dimensionalidade não supervisionada. Não realiza classificação e não utiliza rótulos de saída.
Alternativa B — ✅ Correta ⟵ GABARITO
K-NN é um algoritmo de classificação supervisionada que, dado um novo ponto, consulta os k exemplos mais próximos do conjunto de treinamento e retorna o rótulo majoritário. Adequa-se perfeitamente ao cenário.
Alternativa C — ❌ Incorreta
DBSCAN é um algoritmo de agrupamento (clustering) baseado em densidade, não supervisionado. Não usa rótulos e não pode ser treinado para predizer classes.
Alternativa D — ❌ Incorreta
K-Medoids é um algoritmo de clustering particional, similar ao K-Means, porém não supervisionado. Não serve para classificação supervisionada.
Alternativa E — ❌ Incorreta
Redes de Kohonen (Self-Organizing Maps) são redes neurais não supervisionadas que mapeiam dados de alta dimensão para um espaço discreto de baixa dimensão (mapa topológico). Não realizam classificação supervisionada.
PEGA ESSA DICA!
Distinga claramente os paradigmas: aprendizado supervisionado (rótulos conhecidos → classificação/regressão) vs. não supervisionado (sem rótulos → clustering/redução). A presença dos rótulos de risco na base de treinamento indica que o algoritmo deve aprender a partir de exemplos rotulados, o que caracteriza a abordagem supervisionada.