Discutimos o que são aprendizagem supervisionada e não supervisionada. Analise as afirmativas a seguir: Na aprendizagem supervisionada, definimos uma das variáveis estudadas como a variável resposta, a qual responde em função dos valores assumidos pelas variáveis, as quais são chamadas de variáveis de entrada. II. Especificamente na aprendizagem supervisionada, também denominamos uma variável de resposta de variável de saída ou variável explanatória. III. Especificamente na aprendizagem supervisionada, também denominamos uma variável de entrada de variável regressora, variável preditora ou variável independente. IV. Na aprendizagem não supervisionada, tratamos todas as variáveis estudadas da mesma forma, sem procurar explicar o comportamento de uma delas em função dos valores assumidos pelas outras.

Alternativa D - I, II, III e IV

Introdução

Esta questão aborda os conceitos fundamentais de Machine Learning (Aprendizado de Máquina), especificamente diferenciando os tipos de aprendizagem supervisionada e não supervisionada. A chave para resolver está em compreender como as variáveis são tratadas em cada cenário.

Desenvolvimento

Vamos analisar detalhadamente cada afirmativa apresentada no enunciado:

• Afirmativa I (Correta): Na aprendizagem supervisionada, o objetivo principal é prever um resultado. Para isso, escolhemos uma variável específica para ser prevista, chamada de variável resposta (ou target). Ela "responde" baseada nas outras variáveis, que são as variáveis de entrada (ou features).
  Y = f(X)
  Onde Y é a resposta e X são as entradas.
• Afirmativa II (Correta): Esta afirmativa trata da terminologia estatística aplicada à variável resposta. No contexto de modelos preditivos, a variável que queremos prever é conhecida como variável dependente ou variável de saída, pois seu valor depende das demais.
• Afirmativa III (Correta): Aqui define-se a terminologia das variáveis de entrada. Elas são conhecidas como variáveis independentes, regressoras, preditoras ou explanatórias. Todas essas siglas referem-se aos dados usados para explicar ou prever o comportamento da variável resposta.
• Afirmativa IV (Correta): Na aprendizagem não supervisionada, não existe uma variável alvo definida previamente (não há rótulos). O algoritmo busca padrões, agrupamentos ou estruturas nos dados sem tentar explicar uma variável em função de outra. Todas as variáveis são tratadas de forma simétrica.

Análise Comparativa

Conclusão

Como todas as quatro afirmativas descrevem corretamente as características e terminologias da aprendizagem supervisionada e não supervisionada, a opção correta engloba todas elas.

Portanto, a alternativa D é a resposta correta.