Questão de Tecnologia da Informação · FGV TCE-GO 2024 (nº 87)

O algoritmo Naive Bayes é um classificador probabilístico que usa o Teorema de Bayes para prever a categoria mais provável de um item, baseando-se na probabilidade de suas características. Ele é chamado de "ingênuo" porque faz uma suposição simplificadora sobre a relação entre essas características.

(A) Incorreta: Clustering (agrupamento) é uma técnica de aprendizado não supervisionado que busca padrões em dados sem rótulos, enquanto Naive Bayes é um algoritmo de classificação supervisionado.
(B) Incorreta: Naive Bayes calcula probabilidades condicionais usando o Teorema de Bayes, não a média ponderada dos atributos para determinar a classe.
(C) Correta: O princípio fundamental do Naive Bayes é a suposição de independência condicional entre os atributos (características) dos dados, dada a classe. Isso significa que ele assume que a presença ou ausência de uma característica não afeta a presença ou ausência de qualquer outra característica, uma vez que a classe do objeto é conhecida. Essa suposição simplifica drasticamente os cálculos de probabilidade, tornando o algoritmo eficiente.
(D) Incorreta: Redes neurais profundas são uma classe de algoritmos de aprendizado de máquina diferente, muito mais complexa e usada para modelar relações não-lineares, enquanto Naive Bayes é um modelo probabilístico mais simples.
(E) Incorreta: Naive Bayes é um algoritmo probabilístico que faz cálculos eficientes baseados em probabilidades, não uma abordagem de força bruta que testa todas as possibilidades. Sua eficiência deriva da suposição de independência.