Considerando os métodos de Mineração de Dados, analise a seguinte descrição: “constrói os denominados classificadores lineares, que separam o conjunto de dados por meio de um hiperplano, sendo considerado um dos mais efetivos para a tarefa de classificação.” Trata-se de:
- A)Wang-Mendel.
Wang-Mendel é um método ligado a sistemas fuzzy e geração de regras, não a classificador linear por hiperplano.
- B)Backpropagation.
Backpropagation é o algoritmo de treinamento de redes neurais artificiais, e não um classificador baseado em hiperplano.
- C)SVM (Support Vector Machines).
Correta: a SVM constrói um hiperplano de separação e busca maximizar a margem entre as classes, sendo muito usada em classificação.
- D)Classificador Bayesiano Ingênuo.
O classificador Bayesiano Ingênuo usa probabilidades e a suposição de independência entre atributos, não um hiperplano separador.
Gabarito: C
A descrição da questão aponta para um método de classificação que procura separar os dados por meio de um hiperplano. Em outras palavras, ele tenta desenhar a “melhor fronteira” entre as classes, com a maior margem possível entre os pontos de cada lado. Isso é a cara das Support Vector Machines, ou SVMs. A ideia central da SVM é bem elegante: escolher um hiperplano que não apenas separe as classes, mas que também maximize a distância entre esse plano e os pontos mais próximos de cada classe, chamados de vetores de suporte. Essa margem maior costuma melhorar a capacidade de generalização do modelo, por isso a técnica é vista como muito eficiente para classificação. Se os dados não forem linearmente separáveis de forma simples, a SVM ainda pode dar um jeito com o uso de kernels, que levam os dados para espaços de maior dimensão e permitem separar o que antes parecia misturado. É uma ferramenta clássica de mineração de dados e aprendizado de máquina, muito cobrada em concurso por esse perfil “separa por hiperplano” e “muito efetiva na classificação”. Por isso o gabarito é a letra C. As demais alternativas pertencem a outros métodos de aprendizado, mas não correspondem à descrição de classificador linear baseado em hiperplano e margem máxima.