João está trabalhando em um projeto de reconhecimento de animais por imagens, em que o conjunto de dados possui um atributo como rótulo, o qual indica o nome do animal retratado, como "cachorro", "gato", "pássaro" e "peixe". Para treinar o modelo de reconhecimento de imagens de animais, a tarefa de aprendizado supervisionado que João deverá utilizar é:
- A)regressão;
Errada, porque regressão é usada para prever valores numéricos contínuos, e não categorias como nomes de animais.
- B)associação;
Errada, porque associação busca padrões de coocorrência entre itens, e não identificar a classe de uma imagem.
- C)classificação;
Certa, porque o objetivo é atribuir cada imagem a uma categoria conhecida, o que caracteriza um problema de classificação supervisionada.
- D)agrupamento;
Errada, porque agrupamento trabalha sem rótulos prévios, apenas organizando os dados em grupos por semelhança.
- E)redução de dimensionalidade.
Errada, porque redução de dimensionalidade serve para diminuir variáveis ou representar melhor os dados, não para rotulá-los em classes.
Gabarito: C
Quando o conjunto de dados tem um rótulo com a categoria correta de cada imagem, voce está diante de aprendizado supervisionado. Aqui, cada foto já vem “etiquetada” como cachorro, gato, pássaro ou peixe, e o modelo aprende a relacionar as características da imagem com essas classes. É como ensinar o sistema olhando exemplos resolvidos: ele vê a imagem e já sabe qual resposta deveria produzir. Nesse cenário, a tarefa adequada é a classificação, porque o objetivo não é prever um valor numérico contínuo, mas identificar a qual classe cada imagem pertence. Em reconhecimento de imagens, isso é o mais clássico dos clássicos: a entrada é a imagem, e a saída é uma categoria. A banca costuma gostar dessa distinção porque ela parece simples, mas muita gente confunde com regressão por causa do “aprendizado de máquina” em geral. Regressão serve para prever números, como preço, temperatura ou tempo. Associação procura regras do tipo “quem compra pão também compra leite”. Agrupamento organiza dados sem rótulo, formando grupos por similaridade. Redução de dimensionalidade diminui a quantidade de variáveis, sem ser a tarefa principal de classificar espécies. Ou seja: como já existem rótulos indicando o animal, o modelo deve aprender a escolher a classe correta para novas imagens. Em termos doutrinários, isso é exatamente a ideia de aprendizado supervisionado: dados de entrada acompanhados da saída esperada. A resposta correta, portanto, é classificação, porque o problema é separar as imagens em categorias de animais já definidas.