Vamos analisar cada afirmativa sobre o aprendizado não-supervisionado: I - O objetivo é de identificar os padrões existentes nos dados sob análise, suas similaridades (conforme critério estabelecido), 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, os dados não são rotulados. III - Têm o objetivo de fazer previsões baseados no conjunto de dados que estão sendo analisados, sejam eles dados históricos ou não, eles 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, onde os dados são rotulados. IV - Os resultados desse tipo de algoritmo são geralmente marcados como classificação e regressão. Falso, classificação e regressão são termos associados ao aprendizado supervisionado, não ao aprendizado não-supervisionado. Com base nas análises, as alternativas corretas são I e II. Portanto, a alternativa que contém todos os itens verdadeiros é: c) Apenas as alternativas I e II estão corretas.