Questão de Engenharia de Software — Inteligencia Artificial — FGV 2024
Engenharia de Software›Inteligencia Artificial
Código
fg089959
Banca
FGV
Órgão
Prefeitura de Macaé - RJ
Ano
2024
Nível
Superior
Cargo
Analista Previdenciário - Especialidade: Analista de Sistemas
Das técnicas apresentadas a seguir, a mais adequada para identificar agrupamentos (clusters) em um conjunto de dados não rotulado em um problema de aprendizado de máquina não supervisionado é
ARegressão Linear.
BK-means.
CRegressão Logística.
DAnálise de Componentes Principais (PCA).
EMáquinas de Vetores de Suporte (SVM) para classificação.
Revelar gabarito e comentário▾
GabaritoB — K-means.
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 não supervisionado: clusterização
Gabarito: letra B. O K-means é o único algoritmo entre as alternativas voltado para aprendizado não supervisionado e agrupamento (clusterização). As demais técnicas são de classificação supervisionada (Regressão Logística, SVM), modelagem preditiva contínua (Regressão Linear) ou redução de dimensionalidade (PCA).
Aprendizado de máquina
1Supervisionado (dados rotulados)
Classificação
Regressão Logística
SVM
Regressão (contínua)
Regressão Linear
2Não supervisionado (dados não rotulados)
Clusterização
K-means
DBSCAN
Hierárquico
Redução de dimensionalidade
PCA
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
Regressão Linear é um algoritmo de aprendizado supervisionado usado para prever variáveis contínuas, não para identificar clusters.
Alternativa B — ✅ Correta ⟵ GABARITO
K-means é um algoritmo não supervisionado que particiona os dados em K clusters, onde cada ponto pertence ao cluster cujo centróide (média) é o mais próximo. É adequado para dados não rotulados.
Alternativa C — ❌ Incorreta
Regressão Logística é um método supervisionado de classificação binária, não de agrupamento.
Alternativa D — ❌ Incorreta
Análise de Componentes Principais (PCA) é uma técnica de redução de dimensionalidade, não de clusterização. Embora possa auxiliar na visualização, não identifica grupos.
Alternativa E — ❌ Incorreta
Máquinas de Vetores de Suporte (SVM) são classificadores supervisionados que buscam um hiperplano ótimo entre classes, não são usadas para clusterização não supervisionada.
PEGA ESSA DICA!
Para identificar clusters em dados não rotulados, busque algoritmos de aprendizado não supervisionado. Os principais são: K-means, DBSCAN, agrupamento hierárquico e modelos de mistura. Já técnicas supervisionadas exigem dados com rótulos.