No contexto dos métodos e técnicas de aprendizado de máquina, assinale a afirmativa incorreta.
- A)O algoritmo K-Means é uma técnica de aprendizado não supervisionado usada para clustering.
Correta: K-Means é um método não supervisionado usado para clustering, agrupando dados por similaridade.
- B)A Análise de Componentes Principais (PCA) é um método de redução de dimensionalidade.
Correta: PCA é uma técnica de redução de dimensionalidade que sintetiza variáveis em componentes principais.
- C)SVM (Support Vector Machine) é um algoritmo de aprendizado de máquina usado para classificação e regressão.
Correta: SVM pode ser usado tanto para classificação quanto, em versões específicas, para regressão.
- D)Random Forest é um algoritmo de aprendizado profundo, amplamente utilizado em reconhecimento de fala.
Incorreta: Random Forest não é aprendizado profundo, mas um ensemble de árvores de decisão, e não é a escolha típica para reconhecimento de fala.
- E)A Regressão Logística é comumente usada para problemas de classificação binária.
Correta: a regressão logística é muito usada em problemas de classificação binária, apesar do nome sugerir regressão.
Gabarito: D
Nesta questão, a banca cobra noções bem básicas de aprendizado de máquina: alguns métodos servem para agrupar dados, outros para reduzir variáveis e outros para classificar ou prever valores. O ponto central é reconhecer a função principal de cada algoritmo, sem cair no nome bonito e na aparência de "inteligência avançada". Em prova, isso costuma ser suficiente para separar o que é classificação, regressão, clustering e redução de dimensionalidade. O K-Means é um clássico de aprendizado não supervisionado, usado para agrupar observações em clusters semelhantes. A PCA, por sua vez, não é algoritmo de classificação: ela reduz dimensionalidade, resumindo os dados em componentes principais. Já o SVM é um modelo bastante conhecido para classificação e, em algumas variações, regressão. A regressão logística, apesar do nome, é muito usada em classificação binária. O erro está na alternativa D porque Random Forest não é aprendizado profundo e também não é um método típico de reconhecimento de fala. Ele é um ensemble de árvores de decisão, muito usado em tarefas de classificação e regressão. Aprendizado profundo costuma estar ligado a redes neurais profundas, como CNNs e RNNs, especialmente em visão computacional e linguagem, não ao Random Forest. Resumo de prova: se aparecer Random Forest, pense em árvores de decisão em conjunto; se aparecer deep learning, pense em redes neurais. Aqui, a banca trocou as categorias e misturou conceitos que não andam juntos. Por isso, a incorreta é a letra D.