Pular para o conteúdo principal

Questão de Noções de Informática — Inteligência Artificial e Automação — FADESP 2026

Noções de InformáticaInteligência Artificial e Automação
Código
qg669774
Banca
FADESP
Órgão
SEFAZ-PA
Ano
2026
Nível
Superior
Cargo
Auditor Fiscal de Receitas Estaduais - Conhecimentos Gerais
Em relação ao aprendizado de máquina não supervisionado, analise as afirmativas a seguir.I. No algoritmo k-means, a atribuição de cada instância a um grupo é feita pela menor distância ao centroide, e os centroides são atualizados como a média das instâncias atribuídas a cada grupo, de forma iterativa até um critério de parada.II. O coeficiente de silhouette é uma métrica de avaliação de agrupamento, baseada em a(i) (distância média da instância i ao seu grupo) e b(i) (menor distância média de i a um grupo vizinho), assumindo valores no intervalo [−1,1].III. O algoritmo DBSCAN é um método de agrupamento baseado em centroides, no qual o número de grupos k é definido previamente.É verdadeiro o que se afirma em
  1. AI e II, apenas.
  2. BI e III, apenas.
  3. CII, apenas.
  4. DIII, apenas.
  5. EI, II e III.
Revelar gabarito e comentário

GabaritoA — I e II, apenas.

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”.

Aprendizado de Máquina Não Supervisionado – Clustering

Gabarito: letra A – Apenas as afirmativas I e II estão corretas. O k-means é um algoritmo de particionamento iterativo que atribui instâncias ao centroide mais próximo e recalcula os centroides como a média dos pontos do cluster. O coeficiente de silhueta mede a qualidade do agrupamento variando de -1 a 1. O DBSCAN é um método baseado em densidade, não em centroides, e não exige definição prévia do número de clusters.

A banca testa conhecimentos fundamentais de algoritmos de agrupamento (clustering) no aprendizado não supervisionado. A afirmativa III contém dois erros: DBSCAN não é baseado em centroides (é baseado em densidade) e o número de clusters não é definido previamente (ele é descoberto automaticamente).

Afirmativa

Conteúdo

Correção

Justificativa

I

No k-means, atribuição ao centroide mais próximo e atualização pela média iterativamente

✅ Correta

Descreve exatamente o funcionamento do algoritmo k-means

II

Coeficiente de silhouette usa a(i) e b(i) e varia em [-1, 1]

✅ Correta

Definição precisa da métrica de avaliação de agrupamento

III

DBSCAN é baseado em centroides e exige k pré-definido

❌ Incorreta

DBSCAN é baseado em densidade e descobre clusters automaticamente

Afirmativa I — ✅ Correta

O algoritmo k-means segue exatamente o descrito: atribui cada instância ao cluster cujo centroide está mais próximo (menor distância, geralmente euclidiana) e depois recalcula cada centroide como a média aritmética das instâncias daquele cluster. Esse processo se repete iterativamente até convergência (p. ex., quando os centroides não se movem mais de um limiar).

Afirmativa II — ✅ Correta

O coeficiente de silhueta é definido por:

s(i)=b(i)−a(i)max⁡{a(i),b(i)}s(i) = \frac{b(i) - a(i)}{\max\{a(i), b(i)\}}

onde:

  • a(i)a(i) = distância média de ii a todos os outros pontos do mesmo cluster (coesão);

  • b(i)b(i) = menor distância média de ii a todos os pontos de outro cluster (separação).

O valor varia em [−1,1][-1, 1]: próximo de 1 indica agrupamento adequado, próximo de -1 indica má classificação.

Afirmativa III — ❌ Incorreta

O DBSCAN (Density-Based Spatial Clustering of Applications with Noise) é um algoritmo baseado em densidade. Ele agrupa pontos que estão próximos entre si (dentro de um raio eps) e que têm um número mínimo de vizinhos (minPts). Não usa centroides nem exige que se defina k previamente. Pelo contrário, descobre clusters de formato arbitrário e identifica ruídos (outliers).

Conclusão: Estão corretas apenas I e II → gabarito letra A.

Link permanente: /questoes/qg669774