No que se refere a técnicas, ferramentas e algoritmos de apr...

A alternativa correta é E - errado.

A questão aborda o tema de redução de dimensionalidade, que é um processo importante em aprendizado de máquina, especialmente no aprendizado não supervisionado. A redução de dimensionalidade visa diminuir o número de variáveis aleatórias sob consideração, obtendo um conjunto de características principais. Comumente, essa técnica é utilizada para simplificar modelos, reduzir o tempo de treinamento, e, em muitos casos, melhorar o desempenho dos algoritmos ao eliminar ruídos e correlações desnecessárias.

A confusão que pode levar à escolha da alternativa como correta é achar que a compressão de atributos se refere apenas a identificar e descartar atributos irrelevantes ou redundantes. No entanto, a redução de dimensionalidade vai além. Ela utiliza técnicas que transformam os atributos originais em um novo conjunto de atributos que são uma representação mais compacta do dataset original. Métodos como Análise de Componentes Principais (PCA) ou Autoencoders em redes neurais são exemplos de técnicas que efetivamente reduzem a dimensionalidade criando novas combinações lineares dos atributos originais ou aprendendo uma representação em espaço menor.

Portanto, a assertiva está incorreta porque a redução de dimensionalidade não se limita à simples eliminação de atributos irrelevantes ou redundantes, mas inclui a criação de novos atributos que capturam a essência dos dados de uma forma mais eficiente.

Métodos de redução de dimensionalidade são utilizados para reduzir a quantidade de atributos das bases de dados. As técnicas de seleção de atributos englobam atividades de identificação e remoção de informações irrelevantes ou redundantes.

Qual foi o gabarito final?

Queria tanto mais explicação sobre essa questão :(

A redução da dimensionalidade utiliza algumas técnicas para atingir seu objetivo, dentre elas estão:

Redução de atributos e a Seleção de atributos.

Acredito que a banca apenas trocou a nomenclatura por "Compressão", o que torna a questão como ERRADO.

Técnicas de redução de dimensionalidade:

Seleção de características: Envolve a escolha de um subconjunto das características originais do conjunto de dados. Este método mantém as características mais importantes e descarta as menos importantes.

Extração de características: Envolve a criação de novas características (criar) que capturam a essência dos dados originais. Estas novas características são combinações lineares ou não lineares das características originais.

Creio que compressão de atributos não exista.