Questão de Fluência em Dados · FGV Receita Federal do Brasil 2023 - Manhã (nº 57)

Clustering (ou Agrupamento) é uma técnica de aprendizado não supervisionado que organiza dados em grupos (chamados clusters), onde os itens dentro de um grupo são mais parecidos entre si do que com os itens de outros grupos, sem que haja rótulos pré-definidos.

• (A) Incorreta: K-Means é um algoritmo clássico de clustering que agrupa dados em K clusters, calculando a média de cada grupo.
• (B) Incorreta: Gaussian Mixture Models (GMM) é um algoritmo de clustering probabilístico que modela os clusters como distribuições Gaussianas, atribuindo a cada ponto uma probabilidade de pertencer a cada cluster.
• (C) Incorreta: DBSCAN é um algoritmo de clustering baseado em densidade que identifica clusters como regiões densas de pontos, separadas por regiões de menor densidade.
• (D) Incorreta: K-Medoids é um algoritmo de clustering similar ao K-Means, mas usa medoids (pontos reais do conjunto de dados) como centros dos clusters, sendo mais robusto a outliers.
• (E) Correta: Regressão Linear é um algoritmo de aprendizado supervisionado usado para prever um valor contínuo (uma variável dependente) com base em uma ou mais variáveis independentes, encontrando a melhor linha reta que descreve a relação entre elas. Seu objetivo é previsão, não agrupamento; a armadilha da banca reside em testar se o aluno distingue entre técnicas de agrupamento (não supervisionadas) e técnicas de previsão/classificação (supervisionadas).