Vamos analisar cada afirmativa sobre o aprendizado não-supervisionado: I - O objetivo é identificar os padrões existentes nos dados sob análise, suas similaridades, suas diferenças e efetuar um agrupamento consistente das informações analisadas. Verdadeiro, essa é uma descrição correta do aprendizado não-supervisionado. II - No aprendizado não-supervisionado, o algoritmo não recebe os rótulos de entrada e, portanto, não conhece os rótulos de saída que devem ser gerados. Verdadeiro, essa afirmativa está correta, pois no aprendizado não-supervisionado não há rótulos conhecidos. III - Têm o objetivo de fazer previsões baseadas no conjunto de dados que estão sendo analisados, sejam eles dados históricos ou não, e são treinados por meio de exemplos rotulados, como uma entrada na qual a saída desejada é conhecida. Falso, essa descrição se refere ao aprendizado supervisionado, não ao não-supervisionado. IV - Os resultados desse tipo de algoritmo são geralmente marcados como classificação e regressão. Falso, classificação e regressão são termos associados ao aprendizado supervisionado, enquanto o aprendizado não-supervisionado geralmente resulta em agrupamentos ou associações. Com base nas análises, as alternativas corretas são apenas I e II. Portanto, a alternativa correta é: b) Apenas as alternativas I e II estão corretas.