Questão de Noções de Informática — Inteligência Artificial e Automação — INSTITUTO AOCP 2025

Clusterização e Mineração de Dados

Gabarito: letra A. O DBSCAN (Density-Based Spatial Clustering of Applications with Noise) é um algoritmo de clusterização, ou seja, de agrupamento não supervisionado, que agrupa pontos com base na densidade, sendo adequado para segmentar alunos conforme as variáveis de comportamento e desempenho mencionadas. As demais alternativas (Naive Bayes, Eclat, Apriori e FP-Growth) não são algoritmos de clusterização: Naive Bayes é de classificação supervisionada, enquanto Eclat, Apriori e FP-Growth são de associação.

A clusterização (ou agrupamento) é uma técnica de aprendizado de máquina não supervisionado que busca encontrar agrupamentos naturais (clusters) em um conjunto de dados, sem que haja rótulos pré-definidos. O objetivo é que os elementos dentro de um mesmo grupo sejam mais semelhantes entre si do que com elementos de outros grupos. No contexto da questão, o analista deseja identificar segmentos de alunos com base em variáveis como tempo de acesso, desempenho, participação em fóruns e engajamento — exatamente o tipo de tarefa que a clusterização resolve.

O DBSCAN é um dos principais algoritmos de clusterização baseado em densidade. Ele agrupa pontos que estão próximos entre si (dentro de um raio eps) e que possuem um número mínimo de vizinhos (minPts), identificando também pontos que não pertencem a nenhum grupo (ruído). Diferentemente do K-Means, o DBSCAN não exige que o número de clusters seja definido previamente e consegue identificar grupos de formatos arbitrários, além de ser robusto a outliers. Isso o torna uma escolha adequada para dados de comportamento de alunos, que podem apresentar padrões não lineares e ruído.

É importante distinguir as tarefas de mineração de dados, pois a banca explora exatamente essa confusão:

A pegadinha da questão está em apresentar algoritmos de outras tarefas de mineração como se fossem de clusterização. O candidato que não domina a distinção entre as tarefas pode facilmente marcar uma alternativa errada. Guarde a fronteira entre clusterização (agrupamento por similaridade, não supervisionado) e associação (descoberta de regras de itens frequentes, não supervisionado) — é exatamente nela que as alternativas se dividem.

Alternativa A — ✅ Correta ⟵ GABARITO

O DBSCAN é um algoritmo de clusterização baseado em densidade. Ele agrupa pontos que estão densamente conectados, identificando clusters de formatos arbitrários e também pontos de ruído (outliers). É uma técnica de aprendizado não supervisionado, pois não utiliza rótulos prévios. No contexto da questão, ele pode ser usado para agrupar alunos com base nas variáveis de interação e desempenho, identificando segmentos naturais de comportamento. A sigla significa Density-Based Spatial Clustering of Applications with Noise.

Alternativa B — ❌ Incorreta

O Naive Bayes é um algoritmo de classificação, pertencente ao aprendizado supervisionado. Ele é baseado no Teorema de Bayes e é utilizado para atribuir uma classe (rótulo) a novos dados, a partir de um conjunto de dados rotulados. Não é um algoritmo de clusterização, pois não agrupa dados por similaridade, mas sim classifica dados em categorias predefinidas.

Alternativa C — ❌ Incorreta

O Eclat é um algoritmo de associação, utilizado para descobrir conjuntos de itens frequentes em um banco de dados transacional. Ele é uma técnica de aprendizado não supervisionado, mas seu objetivo é encontrar regras de associação (como "quem compra X também compra Y"), não agrupar dados em clusters. Portanto, não é um algoritmo de clusterização.

Alternativa D — ❌ Incorreta

O Apriori é um algoritmo clássico de associação, usado para identificar itens frequentes e gerar regras de associação. Assim como o Eclat, ele é uma técnica de aprendizado não supervisionado, mas foca em descobrir relações entre itens, não em agrupar dados por similaridade. Não é um algoritmo de clusterização.

Alternativa E — ❌ Incorreta

O FP-Growth (Frequent Pattern Growth) é um algoritmo de associação, que também busca encontrar conjuntos de itens frequentes, porém de forma mais eficiente que o Apriori. Ele é uma técnica de aprendizado não supervisionado, mas não realiza agrupamento de dados em clusters. Portanto, não é um algoritmo de clusterização.

Gabarito: letra A