“A etapa de Mineração de Dados compreende a busca efetiva por conhecimentos úteis no contexto da aplicação de KDD ( Knowledge Discovery in Database), ou Descoberta do Conhecimento

Gabarito

A

Comentário do professor

A Regressão é a tarefa de mineração de dados que busca uma função capaz de mapear registros a valores numéricos em um intervalo contínuo, ou seja, a prever uma variável contínua a partir de atributos de entrada.

Em termos práticos, procura-se \(y = f(x)\), onde \(x\) representa as características do registro e \(y\) é o valor real a ser estimado. Um exemplo simples é o modelo linear: \( \hat{y} = w^T x + b \).

O processo envolve ajustar parâmetros de \(f\) para minimizar um critério de erro entre os valores observados e as previsões. Um critério comum é o MSE: \( \mathrm{MSE} = \frac{1}{n}\sum_{i=1}^n (y_i - \hat{y}_i)^2 \).

Modelos de regressão variam de linear a não linear (polinomial, árvores, redes neurais), escolhidos conforme a complexidade dos dados e o objetivo preditivo.