O sckit-learn suporta o processamento de algoritmos de aprendizado de máquina do tipo supervisionado como, por exemplo,
- A)o SVM e a clusterização.
Errada, porque SVM é supervisionado, mas clusterização é aprendizado não supervisionado.
- B)o BIRCH e o vizinho mais próximo.
Errada, porque o vizinho mais próximo pode ser supervisionado, mas BIRCH é um algoritmo de clusterização, portanto não é supervisionado.
- C)o PCA e os gaussian mixture models.
Errada, porque PCA e gaussian mixture models são técnicas ligadas ao aprendizado não supervisionado.
- D)o naive bayes e as árvores de decisão.
Certa, porque Naive Bayes e árvores de decisão são algoritmos clássicos de aprendizado supervisionado.
- E)o modelo cúbico e a densidade estimada.
Errada, porque modelo cúbico e densidade estimada não correspondem a exemplos típicos de algoritmos supervisionados do scikit-learn.
Gabarito: D
O scikit-learn é uma biblioteca muito usada em Python para tarefas de machine learning, e ela traz implementações prontas tanto para aprendizado supervisionado quanto não supervisionado. No supervisionado, você treina o modelo com dados rotulados, isto é, com entrada e resposta conhecida, como ocorre na classificação e na regressão. Entre os algoritmos supervisionados clássicos disponíveis na biblioteca estão Naive Bayes, árvores de decisão, SVM e k-vizinhos mais próximos, dependendo do uso e da configuração. Já técnicas como clustering, PCA e mistura gaussiana são associadas ao aprendizado não supervisionado, porque trabalham sem rótulos de saída. Por isso, a alternativa D é a correta: Naive Bayes e árvores de decisão são exemplos típicos de algoritmos supervisionados suportados pelo scikit-learn. Em provas, a banca costuma misturar nomes de algoritmos de classificação com métodos de redução de dimensionalidade ou agrupamento para testar se você sabe separar o que aprende com rótulo do que aprende sozinho. Resumo de prova: se tem classe/valor-alvo conhecido, pense em supervisionado; se é agrupamento, compressão ou descoberta de padrões sem resposta prévia, desconfie de supervisionado.