Questão 118 · Informática: Inteligência artificial e ciência de dados

Gabarito: ERRADO.

O item está incorreto ao afirmar que a regressão linear busca estabelecer uma relação entre as variáveis de entrada. Na verdade, o objetivo principal de um modelo de regressão linear, que é uma técnica de aprendizado supervisionado, é estabelecer e modelar a relação entre as variáveis de entrada (features ou variáveis independentes) e uma variável de saída (target ou variável dependente).

O algoritmo aprende uma função linear que melhor se ajusta aos dados, permitindo prever o valor da variável de saída com base nos valores das variáveis de entrada. Por exemplo, em um modelo para prever o consumo de combustível de um carro, as variáveis de entrada poderiam ser o peso do veículo e a potência do motor, enquanto a variável de saída seria o consumo (km/l). A regressão buscaria a relação entre peso/potência e o consumo, e não a relação entre o peso e a potência em si.

A análise da relação entre as variáveis de entrada (verificação de multicolinearidade, por exemplo) é uma etapa importante do pré-processamento e da análise exploratória dos dados, mas não constitui o objetivo final do modelo de regressão.

Dica: O Cebraspe frequentemente testa a distinção entre o objetivo de modelos supervisionados e não supervisionados. Lembre-se: modelos supervisionados (regressão, classificação) mapeiam entradas para uma saída. Modelos não supervisionados (clusterização) encontram padrões e relações nos próprios dados de entrada, sem uma saída pré-definida.