Questão de Banco de Dados — Data Mining — FGV 2025
Banco de Dados›Data Mining
Código
fg122145
Banca
FGV
Órgão
TCE-RR
Ano
2025
Nível
Superior
Cargo
Auditor de Controle Externo - Tecnologia com Especialidade em Análise de Dados
Acerca dos algoritmos de mineração de dados, analise as afirmativas a seguir, e assinale (V) para a verdadeira e (F) para a falsa.( ) Uma árvore de decisão é um grafo cíclico direcionado em que cada nó é um nó de divisão.( ) Em uma rede neural artificial multicamadas os neurônios estão conectados a todos os neurônios da camada anterior.( ) As máquinas de vetores de suporte (SVM - Support Vector Machine) são aplicadas em problemas de classificação nos quais busca-se dividir os dados por meio de um hiperplano.As afirmativas são, respectivamente,
AV – V – F.
BV – F – V.
CF – V – F.
DF – F – V.
EV – V – V.
Revelar gabarito e comentário▾
GabaritoD — F – F – V.
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 Mineração de Dados
Gabarito: D (F – F – V). A primeira afirmativa é falsa porque árvores de decisão são grafos acíclicos; a segunda é falsa porque nem toda rede neural é totalmente conectada; a terceira é verdadeira: SVM busca um hiperplano separador em problemas de classificação.
A questão testa o conhecimento conceitual sobre três importantes técnicas de mineração de dados. Analisemos cada afirmativa separadamente.
Algoritmos de mineração: Árvore de decisão (Grafo acíclico direcionado (DAG), Nó interno: teste/divisão, Folha: classe prevista); Rede neural multicamadas (MLP: totalmente conectada, CNN: conexões esparsas, RNN: conexões recorrentes); SVM (Classificação supervisionada, Hiperplano separador, Maximiza margem, Vetores de suporte)
1ª afirmativa — ❌ Falsa
"Uma árvore de decisão é um grafo cíclico direcionado em que cada nó é um nó de divisão."
O erro está no termo cíclico. Uma árvore de decisão é um grafo acíclico direcionado (DAG – Directed Acyclic Graph), pois não possui ciclos. Cada nó interno representa um teste (divisão) sobre um atributo, e as folhas indicam a classe prevista. Portanto, a afirmação é falsa.
2ª afirmativa — ❌ Falsa
"Em uma rede neural artificial multicamadas os neurônios estão conectados a todos os neurônios da camada anterior."
A afirmação é uma generalização indevida. Embora o perceptron multicamadas (MLP) clássico seja totalmente conectado, existem arquiteturas que não o são, como:
Redes convolucionais (CNN): conexões esparsas (cada neurônio se conecta apenas a uma região local da camada anterior).
Redes recorrentes (RNN): possuem conexões recorrentes, mas não necessariamente com todos os neurônios da camada anterior.
Assim, a afirmativa é falsa.
3ª afirmativa — ✅ Verdadeira
"As máquinas de vetores de suporte (SVM - Support Vector Machine) são aplicadas em problemas de classificação nos quais busca-se dividir os dados por meio de um hiperplano."
Correta. SVM é um algoritmo de aprendizado supervisionado usado para classificação e regressão. Em problemas de classificação, ele encontra o hiperplano que melhor separa as classes, maximizando a margem entre elas. Os vetores de suporte são os pontos de dados mais próximos desse hiperplano. Portanto, a afirmativa é verdadeira.
NÃO CAIA NESSA!
A banca explora dois erros clássicos: (1) trocar "acíclico" por "cíclico" na árvore de decisão — confunde o candidato que sabe que árvores são estruturas hierárquicas mas não lembra da propriedade acíclica; (2) generalizar a arquitetura totalmente conectada para toda rede neural multicamadas, ignorando as variações como CNN e RNN. Na terceira, a afirmação está correta e é direta.
Conclusão: A sequência correta é F – F – V, que corresponde à alternativa D.