Para responder à pergunta sobre o objetivo de um modelo de classificação, vamos analisar cada uma das alternativas: a) Prever valores contínuos com base em variáveis independentes - Isso se refere a modelos de regressão, não de classificação. b) Agrupar dados em categorias não rotuladas - Isso descreve técnicas de agrupamento (clustering), não classificação. c) Identificar padrões em dados não supervisionados - Isso também se refere a técnicas de aprendizado não supervisionado, não à classificação. d) Prever categorias ou classes com base em dados rotulados - Esta é a definição correta de um modelo de classificação, que utiliza dados rotulados para prever a classe de novos dados. e) Reduzir a dimensionalidade dos dados - Isso se refere a técnicas como PCA (Análise de Componentes Principais), não à classificação. Portanto, a alternativa correta é: d) Prever categorias ou classes com base em dados rotulados.