Questão 20477 — Tecnologias da Informação

Resposta: C

Em algoritmos de aprendizado supervisionado baseados em árvores de decisão, a escolha do melhor atributo para dividir os dados em cada nó é crucial para construir uma árvore eficiente. Métricas como o Ganho de Informação (Information Gain) ou o Índice de Gini são frequentemente utilizadas. O Ganho de Informação mede a redução na entropia (uma medida de impureza ou desordem) após uma divisão. O objetivo é escolher o atributo que maximize esse ganho, levando a subconjuntos mais puros em termos das classes de saída. O Erro Quadrático Médio (MSE) e o Raiz do Erro Quadrático Médio (RMSE) são métricas de avaliação de desempenho para problemas de regressão, não para seleção de atributos em árvores de decisão. Precisão (Accuracy) é uma métrica de desempenho para classificação, mas não é o critério principal para a divisão em nós de árvores.