Os algoritmos supervisionados são projetados para aprender padrões a partir de dados rotulados, sendo empregados em tarefas de classificação e regressão em diferentes contextos. A escolha do algoritmo envolve analisar fatores como a natureza do problema, a dimensionalidade dos dados, a interpretabilidade desejada e a robustez frente a ruídos. Modelos como árvores de decisão, regressão linear e logística, máquinas de vetores de suporte, redes neurais artificiais e métodos ensemble apresentam características próprias que influenciam diretamente no desempenho e aplicabilidade. FILHO, O. G. Inteligência artificial e aprendizagem de máquina: aspectos teóricos e aplicações. São Paulo: Blucher, 2023. (Adaptado). Considerando o texto apresentado, avalie as afirmações a seguir. I. As árvores de decisão segmentam o espaço de atributos por meio de testes lógicos hierárquicos, permitindo tanto a classificação quanto a regressão. II. A regressão logística é aplicada para problemas de classificação, produzindo probabilidades associadas a classes. III. Máquinas de vetores de suporte utilizam o conceito de margem máxima entre classes, podendo empregar kernels para lidar com dados não lineares.