Algoritmos e Estrutura de Dados · IV - UFG · 2024 | Questão sqc-qg269754

GabaritoA — divide o conjunto de dados em grupos que compartilham características.

Algoritmos de Classificação em Machine Learning

Gabarito: Alternativa A. Um algoritmo de classificação no contexto de aprendizado de máquina tem como objetivo dividir o conjunto de dados em grupos (classes) que compartilham características comuns, com base no aprendizado a partir de dados rotulados ou não. Embora outros paradigmas realizem previsões, associações ou análises de afinidade, a essência da classificação é a categorização das instâncias em classes predefinidas ou descobertas.

NÃO CAIA NESSA!

A banca explora a confusão entre classificação e clustering. Na literatura padrão, classificação é supervisionada e atribui rótulos, enquanto a alternativa A descreve agrupamento (clustering). No entanto, a banca adota uma definição mais ampla de classificação como "divisão em grupos". Cuidado: em provas de ML, classificação geralmente não é sinônimo de clustering; mas, nesta questão, a banca considera A como correta.

Algoritmo	Objetivo Principal	Exemplo de Aplicação	Relação com Classificação
Classificação (Alternativa A)	Dividir dados em grupos (classes) que compartilham características	Classificar e-mails como "spam" ou "não spam"	É a definição central do algoritmo
Regressão / Previsão (Alternativa B)	Analisar dados históricos e prever valores contínuos ou comportamentos futuros	Prever preço de uma casa com base em características	Não é classificação; foco em previsão numérica
Associação (Alternativa C)	Identificar relações entre itens e definir regras de associação	"Clientes que compram pão também compram manteiga"	Não é classificação; foco em regras de co-ocorrência
Similaridade / Afinidade (Alternativa D)	Extrair o grau de afinidade ou similaridade entre dados	Sistemas de recomendação (ex.: "clientes similares a você")	Não é classificação; foco em métricas de distância/semelhança

Alternativa A — ✅ Correta ⟵ GABARITO

A alternativa A define corretamente o objetivo central de um algoritmo de classificação: particionar os dados em grupos homogêneos (classes) que compartilham características. Na prática, a classificação pode ser supervisionada (quando as classes são conhecidas a priori) ou não supervisionada (quando o algoritmo descobre os grupos). A descrição genérica de "dividir em grupos que compartilham características" abrange ambas as abordagens.

Alternativa B — ❌ Incorreta

A alternativa descreve algoritmos de previsão baseados em dados históricos, que são típicos de regressão (valores contínuos) ou séries temporais. Embora a classificação também possa ser usada para prever classes, o foco está na atribuição de categorias, e não na análise de comportamentos ao longo do tempo. Além disso, a opção não menciona a divisão em grupos, elemento essencial da classificação segundo a banca.

Alternativa C — ❌ Incorreta

"Identificar relações entre dados e definir regras de associação" é a tarefa de algoritmos de associação (ex.: Apriori, FP-Growth), que buscam itens frequentemente associados em transações. Esses algoritmos não realizam classificação, pois não atribuem instâncias a classes, mas sim geram regras do tipo "se X então Y".

Alternativa D — ❌ Incorreta

"Extrair o grau de afinidade entre dados" é característico de sistemas de recomendação baseados em similaridade (filtragem colaborativa) ou algoritmos de agrupamento (clustering) que medem distâncias. A classificação, por sua vez, utiliza limites de decisão aprendidos para alocar cada instância a uma classe, e não se baseia em afinidade par a par.

PEGA ESSA DICA!

Para a prova, lembre-se da definição clássica de classificação: aprendizado supervisionado que atribui rótulos a novas instâncias. Entretanto, fique atento a definições alternativas que a banca possa adotar, como a desta questão.

Gabarito: letra A