O algoritmo KNN (K-nearest neighbors ou k-vizinhos mais próximos) se insere na categoria de
- A)aprendizado por reforço.
Errada, porque aprendizado por reforço envolve agente, ambiente, ações e recompensas, e não a comparação com vizinhos de exemplos rotulados.
- B)aprendizado não supervisionado.
Errada, porque o KNN usa dados com rótulos para prever novas amostras, então não é aprendizado não supervisionado.
- C)aprendizado supervisionado.
Certa, porque o KNN aprende a partir de exemplos rotulados e usa a proximidade entre amostras para classificar ou estimar valores.
- D)redução de dimensionalidade.
Errada, porque redução de dimensionalidade é outra técnica, voltada a diminuir variáveis e simplificar dados, não a classificar por vizinhança.
- E)modelo paramétrico.
Errada, porque o KNN é um método não paramétrico, já que não assume uma forma fixa de modelo para os dados.
Gabarito: C
O KNN, ou k-vizinhos mais próximos, é um algoritmo muito usado em classificação e também em regressão. A lógica dele é simples: para decidir a classe de um novo dado, ele observa os pontos mais próximos no conjunto de treino e “vota” com base neles. Parece até aquele amigo que sempre pergunta para o grupo antes de decidir algo, só que aqui o grupo são os vizinhos matemáticos. O ponto principal é que o KNN aprende a partir de exemplos já rotulados. Ou seja, ele precisa de dados de entrada com a resposta conhecida para conseguir comparar e prever novos casos. Por isso, ele entra na categoria de aprendizado supervisionado, que é exatamente o gabarito da questão. No aprendizado não supervisionado, o algoritmo trabalha sem rótulos, tentando encontrar padrões sozinho, como agrupamentos. No KNN, isso não acontece, porque existe uma referência prévia de classe ou valor para orientar a decisão. A presença do rótulo é o sinal clássico de que estamos no campo supervisionado. Em concursos, a FGV costuma cobrar essa classificação básica dos algoritmos de IA e machine learning. Então, se aparecer KNN, pense: comparação por vizinhança, uso de dados rotulados e decisão guiada por exemplos anteriores. Simples, direto e bem cobrável.