Árvores de Decisão e como são cobradas em concursos.

Árvores de decisão são uma ferramenta importante no campo da ciência da computação e da inteligência artificial. Elas são amplamente usadas para modelar problemas de tomada de decisão complexos e para ajudar a automatizar processos de decisão. Se você está estudando para concursos públicos em tecnologia, é muito provável que você seja questionado sobre árvores de decisão em algum momento do processo de seleção.

Então, o que exatamente são árvores de decisão? Uma árvore de decisão é uma estrutura de dados que modela um conjunto de decisões e suas possíveis consequências. Ela é composta por uma raiz, por nós internos e por folhas. A raiz é o nó inicial da árvore, os nós internos representam decisões a serem tomadas, e as folhas representam os resultados do modelo ou suas previsões, conforme esquematizado na figura a seguir:

As árvores de decisão são uma forma eficiente de modelar problemas de tomada de decisão. Elas permitem que as decisões sejam feitas de forma sistemática e lógica, e que as consequências de cada decisão sejam avaliadas de maneira clara e estruturada. Essa capacidade de modelar problemas complexos faz das árvores de decisão uma ferramenta valiosa para empresas e organizações que precisam tomar decisões importantes em um ambiente dinâmico e em constante mudança.

Uma das principais vantagens das árvores de decisão é que elas são fáceis de entender e interpretar. Elas permitem que os usuários visualizem claramente como as decisões são tomadas e quais são as possíveis consequências de cada decisão. Isso torna as árvores de decisão uma ferramenta útil para a comunicação e o compartilhamento de informações entre as equipes e departamentos de uma organização.

No contexto dos concursos públicos em tecnologia, as árvores de decisão são frequentemente usadas em problemas de programação e em questões relacionadas à aprendizado de máquina. Os candidatos podem ser solicitados a criar uma árvore de decisão para modelar um problema específico ou a avaliar uma árvore de decisão existente para determinar se ela está funcionando corretamente.

Para criar uma árvore de decisão, é necessário seguir algumas etapas básicas. Primeiro, é preciso identificar o problema a ser resolvido e definir os objetivos da árvore. Em seguida, é necessário definir os nós internos e folhas da árvore e determinar as regras que regem a tomada de decisão. Por fim, é necessário avaliar a eficácia da árvore e ajustá-la conforme necessário.

Alguns dos algoritmos de árvore de decisão mais populares que são frequentemente cobrados em concursos públicos em tecnologia são o ID3, o C4.5 e o CART.

O ID3 é um algoritmo de árvore de decisão simples que foi desenvolvido na década de 1960. Ele funciona criando uma árvore de decisão a partir de um conjunto de dados usando a entropia e a informação ganha como medidas de seleção de recurso. O ID3 é eficiente e fácil de implementar, mas pode ser limitado em sua capacidade de lidar com dados contínuos ou valores faltantes.

O C4.5 é uma extensão do ID3 que foi desenvolvida na década de 1990. Ele supera algumas das limitações do ID3, permitindo o manuseio de dados contínuos e valores faltantes. Ele também usa a razão de ganho em vez da informação ganha como medida de seleção de recurso, o que o torna mais robusto. O C4.5 é um algoritmo mais avançado e sofisticado do que o ID3, mas pode ser mais difícil de implementar.

O CART, que significa Classificação e Regressão de Árvore, é um algoritmo de árvore de decisão que foi desenvolvido na década de 1980. Ele é um algoritmo mais flexível e pode ser usado para problemas de classificação e regressão. Ele usa a impureza de Gini como medida de seleção de recurso para problemas de classificação e o erro quadrático médio para problemas de regressão. O CART é considerado um dos algoritmos de árvore de decisão mais precisos, mas pode ser mais complexo e exigir mais recursos computacionais do que outros algoritmos.

Agora que já aprendemos sobre o tema, vamos praticar com algumas questões de concursos recentes:

Prova: IDECAN – 2018 – CRF-SP – Analista de Sistemas

Acerca dos métodos tradicionais de Mineração de Dados, um desses métodos “produz Árvores de Decisão a partir de uma abordagem recursiva de particionamento de um conjunto de dados, e utiliza conceitos e medidas da Teoria da Informação”. Trata-se do método:

A C4.5.

B Apriori.

C Máquinas de Vetores Suporte.

D Classificador Bayesiano Ingênuo.

Gabarito: A

Comentários: O C4.5 é um dos principais algoritmos utilizados para produzir árvores de decisão. O Apriori é um algoritmo para criar regras de associação e as SVM e o Naive Bayes são algoritmos de classificação.

Prova: CESPE / CEBRASPE – 2021 – SERPRO – Analista – Especialização: Ciência de Dados

As árvores de decisão apresentam significativa independência dos dados de treinamento, o que garante forte estabilidade dos caminhos em caso de mudanças nos dados.

Gabarito: Falso.

Comentários: Como a grande maioria dos algoritmos de aprendizado de máquina, as árvores de decisão dependem do conjunto de dados utilizado para treinamento. Mudança de atributos ou na quantidade de exemplos de treinamento impactam fortemente a árvore de decisão final criada. Qualquer mudança no conjunto de treinamento gera mudanças grandes na árvore de decisão formada.