Noções de Informática · FGV · 2025 | Questão sqc-fg121542

Técnicas de Machine Learning para Agrupamento de Dados

Gabarito: letra B. O problema descrito demanda um algoritmo de aprendizado não supervisionado para agrupar dados não rotulados em clusters, identificando padrões e desvios sem conhecimento prévio. O K-means é o algoritmo de clusterização mais clássico e adequado para essa tarefa. As demais alternativas referem-se a técnicas de aprendizado supervisionado, que exigem dados rotulados, ou a modelos que não realizam agrupamento.

Técnica	Tipo de Aprendizado	Requer Dados Rotulados?	Função Principal	Adequada ao Problema?
Regressão Logística	Supervisionado	Sim	Classificação binária	❌ Não
K-means	Não supervisionado	Não	Agrupamento (clustering)	✅ Sim
Random Forest	Supervisionado	Sim	Classificação/Regressão	❌ Não
Redes Neurais Feedforward	Supervisionado (padrão)	Sim	Classificação/Regressão	❌ Não
Naive Bayes	Supervisionado	Sim	Classificação probabilística	❌ Não

Aprendizado de máquina

1Supervisionado (dados rotulados)
- Classificação
  - Regressão Logística
  - Naive Bayes
  - Random Forest
  - Redes Neurais Feedforward
- Regressão
2Não supervisionado (dados não rotulados)
- Clusterização
  - K-means
  - DBSCAN

LEVEL · soulevel.com.br

Alternativa A — ❌ Incorreta

A Regressão Logística é um modelo de classificação supervisionada, utilizado para prever a probabilidade de uma variável categórica binária. Não se aplica a dados não rotulados e não realiza agrupamento.

Alternativa B — ✅ Correta ⟵ GABARITO

O K-means é um algoritmo não supervisionado que particiona os dados em K clusters com base na similaridade (distância euclidiana). É ideal para descobrir grupos naturais e detectar anomalias em conjuntos não rotulados, exatamente como descrito no enunciado.

Alternativa C — ❌ Incorreta

Random Forest é um ensemble de árvores de decisão utilizado para classificação ou regressão supervisionada. Requer dados rotulados e não gera agrupamentos.

Alternativa D — ❌ Incorreta

Redes Neurais Feedforward são modelos supervisionados (ou não supervisionados, se autoencoders, mas a configuração padrão é supervisionada) tipicamente usados para classificação ou regressão com dados rotulados. Não são a técnica mais direta para clustering.

Alternativa E — ❌ Incorreta

Naive Bayes é um classificador probabilístico supervisionado baseado no teorema de Bayes com suposição de independência. Exige rótulos e não realiza agrupamento.

PEGA ESSA DICA!

Lembre-se da tríade: dados não rotulados → aprendizado não supervisionado → clusterização (K-means, DBSCAN, etc.). Técnicas supervisionadas (regressão, classificação) sempre precisam de exemplos rotulados.

Gabarito: letra B.