A subárea de Aprendizado de Máquina vem ganhando bastante destaque nos últimos anos e seus algoritmos se dividem em 3 categorias: Supervisionado, N...

Vamos analisar as afirmações sobre os algoritmos de Aprendizado de Máquina Não Supervisionado: 1. Objetivam dividir os dados em grupos de maneira que haja baixa similaridade intra-classes e também baixa similaridade extra classes. - Esta afirmação está correta, pois os algoritmos de aprendizado não supervisionado buscam agrupar os dados de forma que os elementos dentro de um grupo sejam semelhantes entre si e diferentes dos elementos de outros grupos. 2. Objetivam dividir os dados em grupos de maneira que haja alta similaridade intra-classes e baixa similaridade extra classes. - Esta afirmação está incorreta, pois a alta similaridade intra-classes implicaria em agrupar elementos muito semelhantes, o que não é o objetivo dos algoritmos de aprendizado não supervisionado. 3. Objetivam dividir os dados em grupos de maneira que haja alta similaridade inter-classes. - Esta afirmação está incorreta, pois o objetivo é agrupar os dados de acordo com a similaridade entre os elementos dentro de cada grupo, não entre grupos diferentes. 4. Objetivam dividir os dados em grupos de maneira que haja alta similaridade intra-classes e também alta similaridade extra classes. - Esta afirmação está incorreta, pois a alta similaridade extra classes indicaria que os grupos são muito semelhantes entre si, o que não é o objetivo do aprendizado não supervisionado. 5. Objetivam dividir os dados em grupos de maneira que haja baixa similaridade intra-classes e alta similaridade extra classes. - Esta afirmação está incorreta, pois a baixa similaridade intra-classes implicaria em agrupar elementos muito diferentes dentro de um mesmo grupo. Portanto, a alternativa correta é a número 1: Objetivam dividir os dados em grupos de maneira que haja baixa similaridade intra-classes e também baixa similaridade extra classes.