Questão de Algoritmos e Estrutura de Dados — Algoritmos — FGV 2024
Algoritmos e Estrutura de Dados›Algoritmos
Código
fg096690
Banca
FGV
Órgão
TCE-GO
Ano
2024
Nível
Superior
Cargo
Analista de Controle Externo - Tecnologia da Informação
O algoritmo Naive Bayes é amplamente utilizado em problemas de classificação, especialmente em aplicações de processamento de linguagem natural e análise de texto.O princípio fundamental do algoritmo Naive Bayes
Abaseia-se na técnica de clustering para agrupar instâncias semelhantes.
Bcalcula a média ponderada dos atributos para determinar a classe de um exemplo.
Cconsidera a independência condicional entre os atributos dos dados.
Dutiliza redes neurais profundas para modelar relações complexas entre os atributos.
Eutiliza uma abordagem de força bruta para encontrar a solução ótima de classificação.
Revelar gabarito e comentário▾
GabaritoC — considera a independência condicional entre os atributos dos dados.
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”.
Classificador Naive Bayes
Gabarito: letra C. O princípio fundamental do algoritmo Naive Bayes é a suposição de independência condicional entre os atributos dos dados, ou seja, cada atributo contribui de forma independente para a probabilidade de uma classe, dada a classe. Essa simplificação, chamada de "ingênua" (naive), permite que o modelo seja eficiente mesmo com um número reduzido de amostras, conforme demonstrado no Teorema de Bayes.
A banca testa o conhecimento da característica central do Naive Bayes: a independência condicional. Vejamos cada alternativa:
Alternativa A — ❌ Incorreta
Afirma que o Naive Bayes se baseia em clustering. Clustering (agrupamento) é uma técnica de aprendizado não supervisionado, enquanto o Naive Bayes é um classificador supervisionado. A descrição não condiz com o algoritmo.
Alternativa B — ❌ Incorreta
Diz que calcula a média ponderada dos atributos. Isso se aproxima de modelos lineares (regressão) ou de métodos como k-NN (média dos vizinhos), mas não do Naive Bayes, que utiliza probabilidades condicionais.
Alternativa C — ✅ Correta ⟵ GABARITO
A alternativa correta: o Naive Bayes considera a independência condicional entre os atributos. Conforme o conteúdo de apoio, o algoritmo "desconsidera completamente qualquer correlação existente entre os atributos, tratando cada variável como independente". Essa suposição simplifica o cálculo da probabilidade posterior via Teorema de Bayes: .
Alternativa D — ❌ Incorreta
Menciona redes neurais profundas. Redes neurais profundas são modelos complexos de aprendizado, enquanto Naive Bayes é um modelo probabilístico simples, sem camadas ocultas ou retropropagação.
Alternativa E — ❌ Incorreta
Fala em força bruta para solução ótima. Algoritmos de força bruta testam todas as possibilidades, o que é inviável em classificação. Naive Bayes usa cálculo probabilístico direto, sem busca exaustiva.
NÃO CAIA NESSA!
A pegadinha comum é confundir a independência condicional com "independência total" ou associar a outro algoritmo. Lembre-se: a palavra "naive" já indica a suposição simplificadora de que os atributos são independentes entre si dentro de cada classe. Em provas, essa é a característica mais cobrada.
Gabarito: letra C — o princípio fundamental do algoritmo Naive Bayes é a independência condicional entre os atributos.