Pular para o conteúdo principal

Questão de Algoritmos e Estrutura de Dados — Algoritmos — FUNDATEC 2023

Algoritmos e Estrutura de DadosAlgoritmos
Código
qq890128
Banca
FUNDATEC
Órgão
BRDE
Ano
2023
Nível
Superior
Cargo
Analista de Sistemas - Ciência de Dados
Analise as assertivas a seguir sobre o algoritmo K-NN (k-vizinhos mais próximos):I. A distância de cosseno é a métrica mais comumente utilizada, pois possui a propriedade de representar a distância física entre dois pontos em um espaço d-dimensional. A representação é realizada através de uma linha contínua entre os dois exemplares, que no espaço d-dimensional forma um triângulo e, então, a distância de cosseno é o cálculo da hipotenusa desse triângulo.II. A classificação de um exemplar, cuja classe é desconhecida, é realizada a partir da comparação desse exemplar com aqueles que possuem uma classe conhecida. O princípio do algoritmo é armazenar o conjunto de treinamento e realizar comparações entre o exemplar de teste e os exemplares armazenados a cada vez que um exemplar de teste é armazenado.III. O processamento do algoritmo é extremamente rápido, independentemente da quantidade de exemplares do conjunto de dados de treinamento. Trata-se de um estilo de processamento conhecido como naive evaluation (avaliação ingênua), já que não há um trabalho prévio de indução do modelo.Quais estão corretas?
  1. AApenas I.
  2. BApenas II.
  3. CApenas III.
  4. DApenas I e II.
  5. EI, II e III.
Revelar gabarito e comentário

GabaritoB — Apenas II.

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 K-NN (k-vizinhos mais próximos)

Gabarito: letra B (apenas II). O algoritmo K-NN é um método de aprendizado supervisionado do tipo lazy (preguiçoso), que armazena todo o conjunto de treinamento e, no momento da classificação, compara o exemplo de teste com todos os exemplos armazenados usando uma métrica de distância. A assertiva II descreve corretamente esse funcionamento. Já as assertivas I e III contêm erros conceituais graves: a métrica mais comum é a distância Euclidiana, não a de cosseno; e o processamento não é extremamente rápido para grandes conjuntos, sendo O(N) por consulta, e não é chamado de "avaliação ingênua".

Assertiva I — ❌ Incorreta

Afirma que a distância de cosseno é a métrica mais comum e que ela representa a distância física entre pontos calculando a hipotenusa de um triângulo. Há dois erros: 1) A métrica mais utilizada em K-NN é a distância Euclidiana, que de fato mede a distância geométrica em linha reta entre dois pontos (a hipotenusa do triângulo no espaço d-dimensional). 2) A distância de cosseno mede o cosseno do ângulo entre vetores, não a distância física; seu valor varia de -1 a 1, indicando similaridade direcional, e não é uma distância no sentido geométrico clássico. Portanto a assertiva troca os conceitos.

Assertiva II — ✅ Correta

Descreve exatamente o princípio do K-NN: armazenar o conjunto de treinamento (exemplos com classes conhecidas) e, para cada novo exemplo de classe desconhecida, compará-lo com os armazenados usando uma métrica de distância, atribuindo a classe mais frequente entre os k vizinhos mais próximos. É um algoritmo lazy (não há fase de treino explícita).

Assertiva III — ❌ Incorreta

Afirma que o processamento é extremamente rápido independentemente da quantidade de exemplares e que seria chamado de naive evaluation. Na verdade, o K-NN tem complexidade O(N) por consulta (N = tamanho do conjunto de treinamento), o que torna a classificação lenta para bases grandes, a menos que se usem estruturas de indexação como árvores k-d (que não garantem velocidade extrema em altas dimensões). O termo "avaliação ingênua" não é padrão para K-NN; Naive Bayes é um classificador diferente, baseado em probabilidades condicionais com suposição de independência.

Conclusão: apenas a assertiva II está correta. Portanto, a alternativa que lista apenas II é a letra B.

PEGA ESSA DICA!

Para fixar: K-NN é lazy (armazena dados, calcula na hora) e usa distância Euclidiana como padrão (não cosseno). Sua complexidade é O(N) por classificação. O termo "naive" é associado ao Naive Bayes, outro algoritmo.

Link permanente: /questoes/qq890128