Em aprendizado de máquina, o conhecimento adquirido pode ser representado de diversas formas. São ex...

Alternativa E - árvores de decisão, redes neurais artificiais esupport vector machines(SMVs).

Introdução

A representação do conhecimento refere-se à estrutura interna que o modelo utiliza para armazenar o que aprendeu durante o treinamento.

Desenvolvimento

Cada algoritmo de aprendizado resulta em um "artefato" diferente: árvores usam estruturas hierárquicas de decisão, redes neurais usam pesos sinápticos e topologias, e SVMs usam vetores de suporte e hiperplanos.

Análise

• A alternativa E lista três modelos clássicos de aprendizado cujas estruturas internas representam o conhecimento adquirido.
• As outras alternativas falham ao incluir termos como "backpropagation" (que é um algoritmo de treinamento, não uma forma de representação) ou "aprendizado supervisionado" (que é um paradigma de aprendizado, não uma estrutura de conhecimento).

Conclusão

Árvores de decisão, RNAs e SVMs são formas distintas e consagradas de representar o conhecimento extraído dos dados.

Alternativa E.