No contexto dos principais paradigmas de aprendizado de máquina, relacione os tipos de aprendizado a seguir com as técnicas correspondentes.

1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado semisupervisionado

( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.
( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.
( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.

A sequência correta é:

Question

Qconcursos · Accepted Answer

Alternativa [D] 2, 3 e 1;  Gabarito: DFundamento decisivo: A questão se resolvia pela identificação do paradigma indicado em cada descrição: a presença de rótulos ausentes ou parcialmente disponíveis define a sequência correta e conduz à alternativa D.Tema central: Paradigmas de aprendizado de máquinaAnálise das alternativasAErradaEstá errada porque classifica o primeiro bloco como supervisionado. O enunciado diz que o agrupamento ocorre “sem rótulos de saída”, e isso caracteriza aprendizado não supervisionado, não supervisionado.BErradaEstá errada em dois pontos: o primeiro bloco não é supervisionado, porque clustering sem rótulos é não supervisionado; e o terceiro bloco não é não supervisionado, porque k-NN está sendo usado para classificar com base em rótulos do conjunto de treino, o que caracteriza aprendizado supervisionado.CErradaEstá errada porque o segundo item deveria ser 3 e o terceiro deveria ser 1. Label propagation/label spreading, com poucos exemplos rotulados e muitos não rotulados, é semissupervisionado; k-NN para classificação com rótulos de treino é supervisionado.DCertaA alternativa D está correta porque faz a associação exata entre técnica e paradigma. Clustering com k-means ou hierárquico, descrito como agrupamento sem rótulos de saída, é aprendizado não supervisionado. Label propagation/label spreading, com pequeno conjunto rotulado e grande volume não rotulado, caracteriza aprendizado semissupervisionado. Já o uso de k-NN para classificar a partir dos rótulos dos vizinhos no conjunto de treino se enquadra como aprendizado supervisionado. Essa correspondência produz 2, 3, 1.EErradaEstá errada porque desloca dois conceitos centrais. Clustering não é semissupervisionado no enunciado, e sim não supervisionado; label propagation não é supervisionado, e sim semissupervisionado, justamente por combinar dados rotulados e não rotulados.Pegadinha da questãoA confusão real era tomar qualquer técnica baseada em proximidade ou similaridade como não supervisionada. No enunciado, o k-NN aparece explicitamente para classificação usando rótulos de treino, então ele deve ser lido como supervisionado; e a presença de muitos dados não rotulados no segundo bloco não elimina o fato decisivo de haver parte rotulada, o que define o semissupervisionado.Dica para questões semelhantesAusência de rótulos de saída → não supervisionado.Poucos dados rotulados + muitos não rotulados → semissupervisionado.Classificação usando rótulos do conjunto de treino → supervisionado.

🚀 Mais performance?

🚀 Mais performance?

No contexto dos principais paradigmas de aprendizado de máqu...

Gabarito comentado

Gabarito: D

Clique para visualizar este gabarito

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas