O aprendizado não supervisionado utiliza algoritmos de apre...

Próximas questões
Com base no mesmo assunto
Q3880224 Engenharia de Software
O aprendizado não supervisionado utiliza algoritmos de aprendizado de máquina para analisar e agrupar conjuntos de dados sem rótulos. Esses algoritmos descobrem padrões ocultos, fazem associações ou agrupamentos de dados sem a necessidade de intervenção humana.

Selecione a alternativa que apresenta um algoritmo de regras de associação.
Alternativas

Gabarito comentado

Confira o gabarito comentado por um dos nossos professores

Gabarito: A

Fundamento decisivo: A decisão dependia de reconhecer qual alternativa nomeia um algoritmo de regras de associação; entre as opções, só Apriori se enquadra nessa classe.

Tema central: Regras de associação
Análise das alternativas
A
Certa
Apriori é um algoritmo clássico de mineração de regras de associação. Seu enquadramento técnico é exatamente o que o enunciado pediu: descoberta de itemsets frequentes e geração de regras de associação.
B
Errada
"Aposteriori" não corresponde à nomenclatura correta de um algoritmo consagrado de regras de associação no contexto técnico cobrado. A eliminação aqui é por nome técnico incorreto, apesar da semelhança com Apriori.
C
Errada
Ligação de Ward é método de ligação em agrupamento hierárquico. Portanto, pertence à classe de técnicas de clustering, não à de algoritmos de regras de associação.
D
Errada
Modelo de mistura gaussiana é um modelo probabilístico usado para agrupamento e modelagem de distribuições. O erro da alternativa é de finalidade: não é método de extração de regras de associação.
E
Errada
Análise de componentes principais é técnica de transformação e redução de dimensionalidade. Ela não se destina à mineração de regras de associação, então não atende à tarefa específica pedida.
Pegadinha da questão
A questão explora a semelhança nominal entre Apriori e "Aposteriori", mas a exigência é identificar um algoritmo de regras de associação.
Dica para questões semelhantes
  • Quando a questão trouxer vários métodos de aprendizado não supervisionado, identifique primeiro a tarefa específica pedida: associação, agrupamento ou redução de dimensionalidade.
  • Elimine alternativas por classificação funcional do método, não apenas por ele pertencer à mesma área geral de IA.
  • Desconfie de termos parecidos com nomes técnicos consagrados; sem nomenclatura reconhecida, a alternativa não se sustenta.

Clique para visualizar este gabarito

Visualize o gabarito desta questão clicando no botão abaixo

Comentários

Veja os comentários dos nossos alunos

A alternativa correta é a A) Apriori.

O algoritmo Apriori é o método mais clássico e fundamental para a mineração de regras de associação em grandes bases de dados. Ele é amplamente utilizado em análises de "cesta de compras" (Market Basket Analysis) para identificar itens que costumam ser comprados juntos.

O funcionamento do Apriori baseia-se na propriedade de que "qualquer subconjunto de um conjunto de itens frequente também deve ser frequente". Ele utiliza métricas como:

  • Suporte: Frequência com que um conjunto de itens aparece.
  • Confiança: Probabilidade de um item B ser comprado dado que o item A foi comprado.
  • Lift: Aumento na probabilidade de venda de B quando A é vendido, em comparação com a venda de B de forma independente.
  • B) Aposteriori: Este termo não se refere a um algoritmo de mineração de dados, mas sim a um conceito filosófico ou estatístico (como na probabilidade a posteriori da Inferência Bayesiana), contrastando com o conhecimento a priori.
  • C) Ligação de Ward: É um critério utilizado em Agrupamento Hierárquico (Clustering). O método de Ward busca minimizar a variância total dentro dos clusters ao fundi-los.
  • D) Modelo de Mistura Gaussiana (GMM): É um modelo probabilístico de Agrupamento que assume que todos os pontos de dados são gerados a partir de uma mistura de um número finito de distribuições gaussianas com parâmetros desconhecidos.
  • E) Análise de Componentes Principais (PCA): É uma técnica de Redução de Dimensionalidade. O PCA transforma um conjunto de variáveis possivelmente correlacionadas em um conjunto menor de variáveis lineares não correlacionadas (os componentes principais).

Fonte: Gemini

Clique para visualizar este comentário

Visualize os comentários desta questão clicando no botão abaixo