Questão de Banco de Dados — Data Mining — FUNDATEC 2023

Support Vector Machine (SVM)

Gabarito: letra B. O Support Vector Machine (SVM) é um método de classificação binária que encontra o hiperplano ótimo maximizando a margem entre as duas classes. Os vetores de suporte são as instâncias mais próximas do hiperplano e determinam a fronteira de decisão. Essa descrição se encaixa perfeitamente no SVM, e nenhum outro algoritmo listado constrói um hiperplano com essa característica.

Alternativa A — ❌ Incorreta

Random Forest é um ensemble de árvores de decisão que combina múltiplas árvores para classificação ou regressão, mas não envolve a noção de hiperplano ou margem de separação. É um método baseado em votação ou média, não em otimização de margem.

Alternativa B — ✅ Correta ⟵ GABARITO

Support Vector Machine (SVM) é exatamente o algoritmo descrito: ele projeta os dados em um espaço de alta dimensão (quando necessário) e encontra o hiperplano que maximiza a margem entre as classes. As instâncias equidistantes do hiperplano são os vetores de suporte, que definem a fronteira de decisão.

Alternativa C — ❌ Incorreta

k-Nearest Neighbors (k-NN) é um algoritmo baseado em instâncias: classifica um ponto pela maioria dos votos de seus k vizinhos mais próximos. Não há hiperplano nem margem; a fronteira é implícita e não paramétrica.

Alternativa D — ❌ Incorreta

Naïve Bayes é um classificador probabilístico baseado no Teorema de Bayes com suposição de independência entre as características. Não utiliza hiperplano ou margem; a decisão é tomada pela máxima probabilidade a posteriori.

Alternativa E — ❌ Incorreta

k-Means é um algoritmo de agrupamento (clusterização) não supervisionado, que particiona os dados em k clusters com base na distância aos centróides. Não é um método de classificação binária e não envolve hiperplano.