Algoritmos e Estrutura de Dados · IF-MG · 2024 | Questão sqc-qg240148

Algoritmos e Estrutura de DadosAlgoritmos

Código: qg240148
Banca: IF-MG
Órgão: IF-MG
Ano: 2024
Nível: Superior

Cargo: PROFESSOR EBTT - Informática - Itabirito

Um pesquisador está analisando um conjunto de dados sobre pacientes que se submeteram a um tratamento específico para diabetes. Os dados incluem variáveis como idade, índice de massa corporal (IMC), níveis de glicose no sangue, histórico de doenças e se o tratamento ocorreu com sucesso ou não. O pesquisador deseja identificar padrões nos dados para entender melhor quais características dos pacientes estão associadas ao sucesso ou não do tratamento.Considerando esse cenário, avalie as seguintes afirmações sobre o uso de métodos supervisionados e não supervisionados para analisar esses dados:

AO pesquisador deve aplicar um algoritmo de regressão linear para prever a resposta ao tratamento, uma vez que não possui rótulos nos dados e, portanto, não pode utilizar métodos supervisionados.
BUm algoritmo de agrupamento, como DBSCAN, pode ser utilizado para identificar grupos de pacientes com características similares usando apenas o status de se houve ou não sucesso no tratamento, permitindo ao pesquisador descobrir padrões ocultos nos dados.
CO pesquisador pode usar um modelo de aprendizado supervisionado, como uma árvore de decisão, para prever os resultados do tratamento em novos pacientes uma vez que os dados possuem rótulos de se o paciente teve ou não sucesso em seu tratamento.
DPara explorar a estrutura dos dados e reduzir a dimensionalidade antes de aplicar qualquer técnica de aprendizado supervisionado, o pesquisador deve rotular todos os dados manualmente, pois algoritmos não supervisionados não podem operar em dados sem rótulos.
EO uso de um algoritmo de aprendizado não supervisionado permitirá ao pesquisador identificar características que não têm relação com o resultado do tratamento, mas que podem ser úteis para prever a eficácia do tratamento em novos pacientes.

Revelar gabarito e comentário

GabaritoC — O pesquisador pode usar um modelo de aprendizado supervisionado, como uma árvore de decisão, para prever os resultados do tratamento em novos pacientes uma vez que os dados possuem rótulos de se o paciente teve ou não sucesso em seu tratamento.

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”.

Análise de métodos de aprendizado supervisionado e não supervisionado em dados de tratamento de diabetes

Gabarito: letra C. O conjunto de dados possui rótulos (sucesso ou não do tratamento), permitindo o uso de aprendizado supervisionado. Uma árvore de decisão é um algoritmo clássico de classificação supervisionada, capaz de prever o resultado para novos pacientes com base nas características de entrada.

A questão testa a compreensão da diferença fundamental entre aprendizado supervisionado (que utiliza dados rotulados para treinar um modelo) e não supervisionado (que opera sobre dados sem rótulos, buscando padrões intrínsecos). O enunciado deixa claro que o dataset contém a variável "sucesso do tratamento", ou seja, os rótulos estão presentes.

Afirmação	Método	Uso de Rótulos	Correta?	Motivo
A	Regressão linear	Não possui rótulos (afirma)	❌	Dados possuem rótulos; regressão linear é para saída contínua, não binária
B	DBSCAN (agrupamento)	Usa apenas status de sucesso	❌	DBSCAN é não supervisionado e não usa o rótulo para agrupar; contraditório
C	Árvore de decisão (supervisionado)	Possui rótulos	✅	Dados rotulados permitem classificação supervisionada para prever sucesso
D	Redução de dimensionalidade (não supervisionado)	Não pode operar sem rótulos (afirma)	❌	Algoritmos não supervisionados operam sim sem rótulos
E	Aprendizado não supervisionado	Identifica características sem relação com o resultado	❌	Não supervisionado não usa o rótulo; não identifica relação com o resultado

Alternativa A — ❌ Incorreta

Afirma que não há rótulos e que, por isso, a regressão linear seria aplicável. Há dois erros: (1) os dados possuem sim o rótulo de sucesso/falha do tratamento; (2) regressão linear é usada para variável de saída contínua, enquanto aqui a saída é categórica (binária). O correto seria classificação supervisionada.

Alternativa B — ❌ Incorreta

DBSCAN é um algoritmo de agrupamento (clusterização) não supervisionado, que organiza os dados apenas com base nas características (idade, IMC, etc.), sem utilizar o rótulo de sucesso. A afirmação diz que ele agruparia "usando apenas o status de sucesso", o que é contraditório: o DBSCAN não usa esse status para formar grupos; ele opera sobre as variáveis de entrada independentemente do rótulo. Além disso, para descobrir padrões relacionados ao sucesso, o ideal seria usar classificação supervisionada.

Alternativa C — ✅ Correta ⟵ GABARITO

Exatamente: os dados são rotulados, portanto um modelo supervisionado como árvore de decisão pode ser treinado para prever o sucesso do tratamento. A árvore de decisão é um método de classificação que aprende regras a partir dos exemplos rotulados.

Alternativa D — ❌ Incorreta

Afirma que, antes de aplicar aprendizado supervisionado, seria necessário rotular manualmente todos os dados, "pois algoritmos não supervisionados não podem operar em dados sem rótulos". Isso é falso: algoritmos não supervisionados (como PCA para redução de dimensionalidade) são exatamente projetados para trabalhar com dados não rotulados. Eles podem ser usados na exploração inicial sem necessidade de rótulos.

Alternativa E — ❌ Incorreta

Diz que o aprendizado não supervisionado identificará características que não têm relação com o resultado, mas que seriam úteis para prever a eficácia. Se não têm relação com o resultado, não ajudam na predição. Além disso, o aprendizado não supervisionado busca padrões nos dados, mas a utilidade para previsão dependeria de como esses padrões se correlacionam com o rótulo, o que a afirmação nega explicitamente.

PEGA ESSA DICA!

Para questões sobre aprendizado supervisionado vs. não supervisionado, verifique sempre se o conjunto de dados possui ou não rótulos (variável alvo). Supervisionado: rótulos presentes (classificação/regressão). Não supervisionado: sem rótulos (clusterização/associação). A banca explora essa fronteira.

Gabarito: letra C

Link permanente: /questoes/qg240148