Questão de Algoritmos e Estrutura de Dados — Algoritmos — FGV 2024
Algoritmos e Estrutura de Dados›Algoritmos
Código
fg079621
Banca
FGV
Órgão
DATAPREV
Ano
2024
Nível
Superior
Cargo
ATI - Arquitetura, Engenharia e Sustentação Tecnológica
O método Karhunen-Loeve é amplamente utilizado na modelagem e solução de problemas específicos de aprendizado de máquina. O objetivo geral desse algoritmo em um conjunto de dados é
Acriar agrupamentos hierárquicos de dados.
Bdetectar conceitos drift.
Cgerar classificadores ensemble.
Dproduzir regras de associação.
Ereduzir sua dimensionalidade.
Revelar gabarito e comentário▾
GabaritoE — reduzir sua dimensionalidade.
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 – Redução de Dimensionalidade
Gabarito: letra E. O método Karhunen-Loève (também conhecido como Análise de Componentes Principais – PCA) é uma técnica de redução de dimensionalidade. Seu objetivo é transformar um conjunto de dados original, possivelmente com muitas variáveis correlacionadas, em um novo conjunto de variáveis não correlacionadas (componentes principais) que retêm a maior parte da variância dos dados, permitindo representá-los com menos dimensões.
As demais alternativas correspondem a outras tarefas de aprendizado de máquina: clustering hierárquico (A), detecção de concept drift (B), classificadores ensemble (C) e regras de associação (D).
Método Karhunen-Loève (PCA): Objetivo (Redução de dimensionalidade, Novas variáveis não correlacionadas, Retém maior variância); Aplicações (Pré-processamento, Eliminar redundância, Visualização de dados); Não é (Clustering hierárquico, Concept drift, Ensemble, Regras de associação)
Alternativa A — ❌ Incorreta
Criar agrupamentos hierárquicos é o objetivo de algoritmos de clustering (ex.: dendrogramas), não do método Karhunen-Loève.
Alternativa B — ❌ Incorreta
Detectar conceitos drift (mudanças na distribuição dos dados ao longo do tempo) é típico de métodos de monitoramento de modelos, não de redução de dimensionalidade.
Alternativa C — ❌ Incorreta
Gerar classificadores ensemble (ex.: Random Forest, Boosting) é uma estratégia de aprendizado supervisionado, não a finalidade do Karhunen-Loève.
Alternativa D — ❌ Incorreta
Produzir regras de associação é o objetivo de algoritmos como Apriori e FP-Growth, usados em mineração de dados.
Alternativa E — ✅ Correta ⟵ GABARITO
A transformada de Karhunen-Loève (ou PCA) projeta os dados em um subespaço de menor dimensão que maximiza a variância. É amplamente usada para reduzir a dimensionalidade, eliminar redundância e como etapa de pré-processamento em aprendizado de máquina.