Dois colegas de um time de ciência de dados discutem o novo projeto do time: avaliar um grupo de unidades de negócio e tentar, através de algumas características compartilhadas, separá-las em grupos. O objetivo é migrar de um cenário em que são elaborados contratos individuais para um cenário em que possam ser elaborados contratos por grupo. Alice acha que deve ser usado um método supervisionado. Ela escolhe o K-means Clustering e propõe ajustar os hiperparâmetros C e sigma para alcançar um resultado adequado. Bob prefere métodos não supervisionados, já que a base de dados não possui rótulos, e está em dúvida entre utilizar Naive Bayes (em razão de a base de dados ser pequena) ou Decision Trees (por talvez ser necessário ter um modelo explicável). Analisando as posições de Alice e Bob sobre esse projeto, pode-se afirmar que:
- A)Alice e Bob estão corretos. Entretanto, não é possível realizar uma análise prévia dos algoritmos – avaliam-se apenas modelos e suas métricas de desempenho;
Errada, porque K-means não é supervisionado e Naive Bayes e Decision Trees dependem de rótulos; além disso, a análise prévia de algoritmos e métricas é sim possível.
- B)Alice e Bob estão errados. K-means Clustering é um método não supervisionado e não possui os parâmetros C e sigma. Naive Bayes e Decision Trees são métodos supervisionados;
Certa, pois K-means é não supervisionado e não usa C e sigma, enquanto Naive Bayes e Decision Trees são algoritmos supervisionados.
- C)Alice está correta, mas a sugestão de Bob de utilizar Naive Bayes é fraca, pois esse algoritmo não apresenta bom desempenho com pequenos conjuntos de dados;
Errada, porque Naive Bayes pode funcionar muito bem com poucos dados em muitos cenários, e o problema principal aqui é que ele é supervisionado, não o tamanho da base.
- D)Bob está correto e Alice está errada. K-means Clustering é um algoritmo não supervisionado;
Errada, porque Bob não está correto: Naive Bayes e Decision Trees não são métodos não supervisionados, embora K-means realmente seja não supervisionado.
- E)Bob está errado e Alice está correta. Modelos baseados em Decision Trees não são explicáveis.
Errada, porque Decision Trees são justamente considerados modelos interpretáveis e explicáveis, além de serem supervisionados.
Gabarito: B
Aqui a ideia central é separar unidades de negócio em grupos com base em semelhanças, sem rótulos prévios. Isso é exatamente o terreno dos métodos não supervisionados, especialmente o clustering. O K-means entra bem nessa história porque ele agrupa observações por proximidade, tentando minimizar a distância entre cada ponto e o centro do seu grupo. O ponto que derruba a fala de Alice é que K-means não é método supervisionado e não trabalha com hiperparâmetros como C e sigma. Esses parâmetros são associados a outras técnicas, como SVM e funções de kernel, não ao K-means. No K-means, você normalmente ajusta coisas como o número de clusters (k) e critérios de inicialização ou convergência. Já Bob acerta ao desconfiar de métodos supervisionados, porque Naive Bayes e Decision Trees exigem dados rotulados para treinar. Se a base não tem rótulos, esses algoritmos não são a escolha natural para clustering. Além disso, Decision Trees podem ser bem explicáveis, mas continuam sendo supervisionadas; explicabilidade não muda a categoria do método. Por isso o gabarito é a letra B: Alice erra ao tratar K-means como supervisionado e ao citar parâmetros errados, e Bob erra ao colocar Naive Bayes e Decision Trees como não supervisionados. Em concurso, a banca gosta muito dessa troca de categoria: o nome parece familiar, mas o tipo de aprendizado está errado.