Questão de Banco de Dados — Data Mining — FGV 2023

Classificação no contexto de Data Mining

Gabarito: letra B. João precisa de um modelo interpretável para um problema tabular com regras complexas. A árvore de decisão é o algoritmo mais adequado por ser intrinsecamente interpretável, lidar bem com atributos tabulares e representar regras de decisão de forma hierárquica e compreensível.

A questão testa o conhecimento sobre algoritmos de classificação e suas características, especialmente a interpretabilidade exigida pelo enunciado.

Alternativa A — ❌ Incorreta

O Naive Bayes é um modelo probabilístico que assume independência condicional entre os atributos – premissa que pode não se sustentar para regras complexas. Embora seja interpretável (probabilidades condicionais), sua suposição simplificadora reduz a capacidade de capturar interações complexas entre atributos, o que o torna menos adequado para o cenário descrito.

Alternativa B — ✅ Correta ⟵ GABARITO

A árvore de decisão é um modelo que particiona o espaço de atributos com nós de decisão baseados em valores dos atributos, gerando regras if-then facilmente interpretáveis. É ideal para problemas tabulares com múltiplos atributos e regras complexas, pois pode capturar interações não lineares enquanto mantém a transparência total do modelo – exatamente o que João busca.

Alternativa C — ❌ Incorreta

K-vizinhos mais próximos (k-NN) é um algoritmo baseado em instâncias que armazena todos os dados de treino e classifica por similaridade. Ele é considerado um modelo de caixa-preta (não oferece regras explícitas) e não é interpretável diretamente. Além disso, seu desempenho se degrada com muitos atributos (maldição da dimensionalidade) e não produz uma representação clara das regras de decisão.

Alternativa D — ❌ Incorreta

Redes neurais convolucionais (CNN) são projetadas para dados com topologia em grade, como imagens. Para dados tabulares, seu uso é incomum e, mesmo quando adaptadas, o modelo resultante não é interpretável (caixa-preta). O enunciado deixa claro que a interpretabilidade é essencial, o que inviabiliza o uso de CNNs.

Alternativa E — ❌ Incorreta

Máquina de vetores de suporte (SVM) é um classificador que encontra hiperplanos de separação com margem máxima. Embora possa ser eficaz em dados tabulares, o modelo resultante não é trivialmente interpretável (a menos que se use kernel linear e se analisem os pesos, o que é limitado). Para regras complexas com múltiplos atributos, a interpretabilidade é prejudicada, especialmente com kernels não lineares.

Gabarito: letra B.