Questão de Banco de Dados — Data Mining — FUNDATEC 2023
Banco de Dados›Data Mining
Código
qq897083
Banca
FUNDATEC
Órgão
PROCERGS
Ano
2023
Nível
Superior
Cargo
ANC - Analista em Computação - Ênfase em Ciências de Dados
__________ é uma classe de métodos ensemble que utiliza classificadores de árvore de decisão. É uma combinação de preditores de árvores tal que cada árvore depende dos valores de um vetor aleatório amostrado independentemente e com a mesma distribuição para todas as árvores.Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
AÁrvore de decisão
BRandom Forest
Ck-Nearest Neighbors
DRegressão logística
ESupport Vector Machine (SVM)
Revelar gabarito e comentário▾
GabaritoB — Random Forest
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”.
Random Forest: método ensemble de árvores de decisão
Gabarito: letra B (Random Forest). O trecho descreve exatamente o método Random Forest, um ensemble de árvores de decisão onde cada árvore é treinada com um vetor aleatório independente, tipicamente amostrando subconjuntos de atributos e/ou dados (bootstrap). A definição dada é clássica: "cada árvore depende dos valores de um vetor aleatório amostrado independentemente e com a mesma distribuição para todas as árvores".
A questão cobra o reconhecimento de um algoritmo de aprendizado de máquina amplamente usado em mineração de dados. As demais alternativas são outros métodos populares, mas nenhum se encaixa na descrição de ensemble de árvores com amostragem aleatória.
Método
Tipo
Baseia-se em árvores de decisão?
Característica principal
Árvore de decisão
Classificador único
Sim (árvore única)
Modelo individual, não ensemble
Random Forest
Método ensemble
Sim (múltiplas árvores)
Combinação de árvores com amostragem aleatória
k-Nearest Neighbors
Aprendizado baseado em instâncias
Não
Classifica por vizinhança
Regressão logística
Modelo linear
Não
Classificação binária/multiclasse
Support Vector Machine
Classificador de margem máxima
Não
Hiperplano de separação
Alternativa A — ❌ Incorreta
Árvore de decisão é um classificador único, não um ensemble. A descrição menciona "combinação de preditores de árvores", o que exclui uma única árvore. O erro é confundir um modelo individual com um conjunto deles.
Alternativa B — ✅ Correta ⟵ GABARITO
Random Forest é exatamente o que o texto define: um método ensemble que constrói múltiplas árvores de decisão, cada uma a partir de uma amostra bootstrap dos dados e/ou de um subconjunto aleatório de atributos. A aleatoriedade garante diversidade entre as árvores, e a combinação (votação ou média) melhora a precisão e controla overfitting.
Alternativa C — ❌ Incorreta
k-Nearest Neighbors (k-NN) é um algoritmo de aprendizado baseado em instâncias (lazy learner) que classifica um ponto pela maioria dos votos de seus k vizinhos mais próximos. Não envolve árvores de decisão nem construção de um ensemble.
Alternativa D — ❌ Incorreta
Regressão logística é um modelo linear usado para classificação binária (ou multiclasse com softmax). Não é um ensemble e não utiliza árvores de decisão.
Alternativa E — ❌ Incorreta
Support Vector Machine (SVM) é um classificador que encontra um hiperplano de separação com máxima margem entre classes. Não é baseado em árvores nem em combinação de múltiplos modelos do mesmo tipo.
PEGA ESSA DICA!
Para identificar Random Forest na prova, foque nos termos "ensemble", "combinação de árvores", "vetor aleatório" e "amostragem independente". Esse é o padrão clássico que diferencia o método de uma simples árvore de decisão.