Questão de Banco de Dados — Banco de Dados — FGV 2023
Banco de Dados›Banco de Dados
Código
fg067755
Banca
FGV
Órgão
Receita Federal
Ano
2023
Nível
Superior
Cargo
Analista-Tributário (manhã)
O objetivo principal do uso de técnicas de Agrupamento (Clustering) em Análise de Dados é dividir um grande conjunto de dados em subconjuntos, agrupando elementos similares em categorias distintas.Assinale a opção que indica o tipo de algoritmo que não se enquadra nessa descrição.
AK-Means.
BGaussian Mixture Models (GMM).
CDBSCAN.
DK-Medoids.
ERegressão Linear.
Revelar gabarito e comentário▾
GabaritoE — Regressão Linear.
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 Clustering vs. Regressão Linear
Gabarito: letra E. A Regressão Linear é um algoritmo de aprendizado supervisionado para predição de valores contínuos, e não se enquadra na descrição de técnicas de agrupamento (clustering) não supervisionado. Os demais algoritmos (K-Means, GMM, DBSCAN, K-Medoids) são todos métodos clássicos de clusterização.
A banca cobra o conhecimento da classificação básica dos algoritmos de aprendizado de máquina. Vamos analisar cada alternativa.
Algoritmos de Aprendizado
1Supervisionado (predição)
Regressão Linear
Variável dependente contínua
Não agrupa dados
2Não supervisionado (clustering)
K-Means
Partição por centróides
GMM
Modelo probabilístico
DBSCAN
Baseado em densidade
K-Medoids
Medoides reais
LEVEL · soulevel.com.br
Alternativa A — ✅ Correta
O K-Means é o algoritmo de clustering por partição mais difundido. Ele divide os dados em K clusters, onde cada ponto pertence ao cluster com o centróide (média) mais próximo.
Alternativa B — ✅ Correta
Gaussian Mixture Models (GMM) é um algoritmo de clustering baseado em modelos probabilísticos, assumindo que os dados são gerados por uma mistura de distribuições Gaussianas.
Alternativa C — ✅ Correta
DBSCAN é um algoritmo de clustering baseado em densidade. Ele agrupa pontos que estão próximos entre si com base em um raio (eps) e um número mínimo de pontos (minPts), sendo robusto a outliers.
Alternativa D — ✅ Correta
K-Medoids (ou PAM – Partitioning Around Medoids) é uma variação do K-Means que utiliza medoides (pontos reais do conjunto) como centróides, sendo mais resistente a outliers.
Alternativa E — ❌ Incorreta ⟵ GABARITO
Regressão Linear é um algoritmo de aprendizado supervisionado utilizado para modelar a relação entre variáveis independentes e uma variável dependente contínua. Seu objetivo é predizer valores, e não agrupar dados. Portanto, é a única alternativa que não se enquadra na descrição de técnicas de agrupamento.