Questão de Estatística · FGV MP-SC 2022 (nº 65)

Random Forest é uma técnica que combina várias árvores de decisão (cada uma treinada com uma amostra aleatória dos dados e das variáveis) e junta os resultados por votação (classificação) ou média (regressão). Essa combinação reduz a variância do modelo, ou seja, ele "decora" menos os dados de treino e generaliza melhor para dados novos.

• (A) Incorreta: Random Forest é mais caro computacionalmente que uma única árvore, pois treina centenas de árvores, não menos.
• (B) Correta: Árvores de decisão são famosas por overfitting (ajustar demais aos dados de treino, capturando ruído). O Random Forest, ao combinar muitas árvores com amostras e variáveis aleatórias, reduz a variância e controla esse overfitting, generalizando melhor.
• (C) Incorreta: Uma única árvore é facilmente visualizável e interpretável; o Random Forest, com centenas de árvores, é um "caixa-preta" e perde essa interpretabilidade direta.
• (D) Incorreta: Com pouquíssimos dados, o Random Forest não tem amostras suficientes para criar árvores diversas e pode até piorar; uma árvore simples seria mais estável.
• (E) Incorreta: O número de classes não é o ponto forte do Random Forest; ele lida bem com isso, mas não é a vantagem em relação à árvore única (que também lida razoavelmente). A vantagem central é o controle de overfitting.

Armadilha da banca (distrator mais tentador): a letra (C) parece atraente porque "floresta" sugere algo mais robusto e "inteligente", mas a banca quer que você lembre que interpretabilidade é justamente o ponto fraco do Random Forest — a árvore única é que é transparente. Não confunda "melhor desempenho" com "mais fácil de explicar".