Questão nº 7
Questão de Ciência de Dados · FGV SEFAZ-MG 2022 - Tarde (nº 7)
FGV2022Auditor Fiscal - Tecnologia da InformaçãoCiência de Dados
Gabarito: Aver comentário ↓
Machine Learning é um subconjunto da Inteligência Artificial que utiliza dados e algoritmos para imitar o raciocínio humano.
Em relação aos algoritmos de machine learning, assinale a afirmativa incorreta.
- AAlgoritmo de regressão: prevê valores de saída usando recursos de entrada dos dados fornecidos ao sistema. Os algoritmos mais populares são Linear Regression, Logistic Regression Multivariate Adaptive Regression Splines (MARS) e Locally Estimated Scatter plot Smoothing (LOESS). (alternativa correta)
- BAlgoritmo de agrupamento: agrupamento de pontos de dados com base em recursos semelhantes. Alguns algoritmos são KMeans, K-Medians e Hierárquical Clustering.
- CAlgoritmo de regularização: é um processo de diminuir informações adicionais para evitar o overfitting ou resolver um problema mal definido. Os algoritmos mais comuns são Least Absolute Shrinkage and Selection Operator (LASSO), Least-Angle Regression (LARS) e Elastic Net and Ridge Regression.
- DAlgoritmos de redução de dimensionalidade: reduzem o número de características obtendo um conjunto de variáveis principais. Alguns algoritmos são Principal Component Analysis (PCA) e Principal Component Regression (PCR).
- EAlgoritmos de regras de associação: é usado para descobrir a relação entre os pontos de dados. Alguns algoritmos comuns são o algoritmo Apriori e o algoritmo Eclat.
Resposta comentada
Gabarito Alternativa A
Machine Learning é como ensinar um computador a aprender com exemplos, sem ser explicitamente programado para cada tarefa. Ele usa algoritmos (receitas de como processar dados) para encontrar padrões e fazer previsões ou tomar decisões.
- (A) Correta: A afirmativa é incorreta porque a Regressão Logística, apesar do nome, é um algoritmo de classificação (prevê categorias ou probabilidades de pertencer a uma classe, como "sim" ou "não"), e não de regressão (que prevê valores contínuos, como preço ou temperatura). Esta é a armadilha da banca, que explora a confusão gerada pelo termo "regressão" no nome do algoritmo.
- (B) Incorreta: Esta afirmativa está correta em sua descrição e nos exemplos de algoritmos de agrupamento (clustering), que buscam organizar dados em grupos com características semelhantes sem rótulos pré-definidos.
- (C) Incorreta: Esta afirmativa está correta ao descrever a regularização como uma técnica para evitar o overfitting (quando o modelo se ajusta demais aos dados de treino e não generaliza bem para novos dados) e ao listar algoritmos comuns para isso.
- (D) Incorreta: Esta afirmativa está correta ao definir a redução de dimensionalidade como a diminuição do número de características (variáveis) dos dados, e PCA e PCR são exemplos válidos e amplamente utilizados para essa finalidade.
- (E) Incorreta: Esta afirmativa está correta ao explicar que algoritmos de regras de associação são usados para descobrir relações e padrões entre itens em grandes conjuntos de dados, e Apriori e Eclat são exemplos clássicos dessa categoria.
Fonte: FGV SEFAZ-MG 2022 - Tarde Auditor Fiscal - Tecnologia da Informação (Caderno Tipo 1). Reproduzida para fins de estudo.