Questão de Algoritmos e Estrutura de Dados — Algoritmos — FIOCRUZ 2024
Algoritmos e Estrutura de Dados›Algoritmos
Código
qg145183
Banca
FIOCRUZ
Órgão
FIOCRUZ
Ano
2024
Nível
Superior
Cargo
Tecnologista em Saúde Pública - Ciência de dados em saúde
Sobre o algoritmo KNN (K-Vizinhos mais próximos) tradicional, podemos afirmar que:
Ak é um hiperparâmetro e, portanto, definido ao longo da realização do treinamento.
Bo KNN é um algoritmo que tem o mesmo propósito que o K-médias e o K-medóides.
Cé um algoritmo simples e o treinamento é extremamente rápido.
Dele cria K agrupamentos das instâncias de entrada.
Eé um algoritmo que aloca pouca memória, pois não carrega as instâncias todas de uma vez.
Revelar gabarito e comentário▾
GabaritoC — é um algoritmo simples e o treinamento é extremamente rápido.
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”.
Algoritmo KNN (K-Vizinhos mais Próximos)
Gabarito: letra C. O KNN é um algoritmo de aprendizado supervisionado baseado em instâncias, conhecido por sua simplicidade e treinamento extremamente rápido (apenas armazenamento das instâncias). As demais alternativas contêm erros conceituais, como confundir hiperparâmetros definidos antes do treinamento ou trocar o propósito do KNN com o K-means.
KNN (K-Vizinhos mais Próximos): Tipo (Supervisionado, Lazy learning (armazena instâncias)); Treinamento (Extremamente rápido, Apenas armazenamento); Predição (Classifica por K vizinhos); Hiperparâmetro k (Definido antes do treinamento, Não aprendido durante); Memória (Carrega todas as instâncias, Alta demanda)
Alternativa A — ❌ Incorreta
Afirma que k é definido "ao longo da realização do treinamento". Na verdade, k é um hiperparâmetro escolhido antes do treinamento; não é aprendido durante o processo. A banca troca "antes" por "durante", criando uma pegadinha clássica.
Alternativa B — ❌ Incorreta
O KNN é utilizado para classificação e regressão (supervisionado), enquanto K-médias e K-medóides são algoritmos de agrupamento (não supervisionado). Os propósitos são distintos.
Alternativa C — ✅ Correta ⟵ GABARITO
O KNN é um algoritmo simples: o treinamento consiste apenas em armazenar todas as instâncias de treinamento (lazy learning), tornando-o extremamente rápido. A classificação de novos pontos ocorre no momento da predição.
Alternativa D — ❌ Incorreta
Criar K agrupamentos é característica do K-means (clustering). O KNN não cria grupos; ele classifica novos pontos com base nos K vizinhos mais próximos.
Alternativa E — ❌ Incorreta
O KNN carrega todas as instâncias de treinamento na memória, o que demanda grande espaço (especialmente para grandes conjuntos). A afirmação de que aloca pouca memória é falsa.
NÃO CAIA NESSA!
A alternativa A inverte o momento de definição do hiperparâmetro k (antes vs. durante). A alternativa D troca o propósito do KNN (classificação) pelo do K-means (agrupamento). Fique atento a essas inversões comuns.
NÃO CAIA NESSA!
Em provas, memorize: KNN = supervisionado + lazy + armazena tudo; K-means = não supervisionado + clustering + cria centróides. A banca adora confundir os dois.