Questões de Concurso Comentadas por alunos sobre árvores em algoritmos e estrutura de dados

Árvores AVL são uma estrutura de dados de árvore binária de busca balanceada, onde a diferença de altura entre as

subárvores esquerda e direita de qualquer nó não deve ser maior que 1. Considere as seguintes operações de rotação para balancear a árvore AVL:

I. Rotação simples à direita (RR).

II. Rotação simples à esquerda (RL).

III. Rotação dupla à direita (DRR).

IV. Rotação dupla à esquerda (DRL).

Dado o seguinte trecho de pseudocódigo para uma inserção em uma árvore AVL:

função inserir_avl(T, chave)

se T é vazia

criar novo nó com chave

senão se chave< T.chave

T.esquerda = inserir_avl(T.esquerda, chave)

se laltura(T.esquerda) - altura(T.direita)| > 1

realizar operação de rotação necessária

senão se chave> T.chave

T.direita = inserir_avl(T.direita, chave)

se laltura(T.esquerda)- altura(T.direita)| > 1

realizar operação de rotação necessária

Qual das seguintes opções descreve corretamente quando a rotação simples à direita (RR) deve ser aplicada durante a inserção?

Considere uma estrutura de dados do tipo árvore conforme figura a seguir:




Ao se aplicar na árvore acima o algoritmo de travessia Pré-Ordem, a partir da raiz, a ordem de visita dos nós será o descrito na alternativa: 

O Registro do Windows é um banco de dados hierárquico que contém dados críticos para a operação do sistema operacional e dos aplicativos e serviços executados nele. Os dados são estruturados em um formato de árvore, e cada nó dessa árvore é chamado de: 

As árvores de decisão são um modelo de aprendizado de máquina que opera por meio da construção de uma estrutura em forma de árvore para tomar decisões e que oferece uma compreensão clara da lógica de decisão e da hierarquia de características que contribuem para as predições finais. Elas são versáteis e podem ser usadas tanto para tarefas de classificação quanto para as de regressão.
Nesse contexto, considere a construção de uma árvore de regressão usando a classe DecisionTreeRegressor do ScikitLearn e seu treinamento em um conjunto de dados quadrático com max_depth=2, conforme mostrado a seguir:

from sklearn.tree import DecisionTreeRegressor
tree_reg = DecisionTreeRegressor(max_depth=2)
tree_reg.fit(X, y)

A árvore resultante é representada na Figura a seguir.




GÉRON, A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniquesto Build Intelligent Systems. 2 ed. Sebastopol, CA: O’Reilly Media, Inc.: 2019, p. 183.

Considerando-se o cenário apresentado e que se deseja fazer uma predição para uma nova instância, com x1 = 0.6, qual será o valor predito?

A Figura a seguir exibe uma árvore binária.



Suponha que uma função percorra essa árvore em ordem simétrica e exiba os valores de seus nós no console.
Qual será o sexto valor a ser exibido por essa função?