Questão de Algoritmos e Estrutura de Dados — Algoritmos — FGV 2024
Algoritmos e Estrutura de Dados›Algoritmos
Código
fg093782
Banca
FGV
Órgão
SES-MT
Ano
2024
Nível
Superior
Cargo
Analista de Sistemas – Administrador de Banco de Dados; Infraestrutura; O&M
Relacione os algoritmos populares listados a seguir, às suas respectivas definições.1. Algoritmos de classificação2. Algoritmos de clustering3. Algoritmos de gradient boosting4. Algoritmos de regressão linear( ) Usam cálculos preditivos para atribuir dados a categorias predefinidas.( ) mostram ou preveem a relação entre duas variáveis ou dois fatores ajustando uma linha reta contínua aos dados.( ) Produzem um modelo de previsão que agrupa modelos de previsão fracos por meio de um processo de ensembling que aprimora o desempenho geral do modelo( ) Dividem os dados em vários grupos determinando o nível de similaridade entre os pontos de dados.Assinale a opção que indica a relação correta, segundo a ordem apresentada.
A2, 3, 4 e 1.
B3, 2, 1 e 4.
C1, 4, 3 e 2.
D4, 1, 2 e 3.
Revelar gabarito e comentário▾
GabaritoC — 1, 4, 3 e 2.
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: Classificação, Clustering, Gradient Boosting e Regressão Linear
Gabarito: letra C. A relação correta é: 1 (classificação) para a primeira definição, 4 (regressão linear) para a segunda, 3 (gradient boosting) para a terceira e 2 (clustering) para a quarta — resultando na sequência 1, 4, 3, 2.
A questão pede a correlação entre algoritmos populares de aprendizado de máquina e suas definições. Cada definição descreve uma técnica específica: classificação atribui dados a categorias predefinidas; regressão linear ajusta uma linha reta contínua para prever relação entre variáveis; gradient boosting combina modelos fracos em um ensemble para melhorar a previsão; clustering divide os dados em grupos por similaridade.
Algoritmos de ML: Classificação (Atribui a categorias predefinidas); Regressão linear (Ajusta linha reta contínua, Relação entre variáveis); Gradient boosting (Ensemble de modelos fracos, Aprimora desempenho geral); Clustering (Divide em grupos, Por similaridade)
Alternativa A — ❌ Incorreta
A sequência 2, 3, 4 e 1 não corresponde: clustering (2) não é a primeira definição, que é classificação; a segunda não é gradient boosting; etc.
Alternativa B — ❌ Incorreta
Sequência 3, 2, 1 e 4: a primeira definição é classificação, não gradient boosting.