Questão FC369821
A mineração de dados é uma área importante em análise de dados, que utiliza técnicas para extrair informações valiosas de grandes conjuntos de dados. Ele oferece uma variedade de t
Bancos de Dados Dimensionais
FGV · 2024
A mineração de dados é uma área importante em análise de dados, que utiliza técnicas para extrair informações valiosas de grandes conjuntos de dados. Ele oferece uma variedade de técnicas e algoritmos para identificar padrões, tendências e relações ocultas nos dados, fornecendo insights significativos que podem orientar a tomada de decisões e impulsionar o progresso em diversos setores.
Assinale o conceito correto em relação a mineração de dados.
- A mineração de dados representa uma etapa necessária para a produção do modelo floco de neve de data warehouses.
- A tarefa de classificação em mineração de dados é uma atividade de aprendizado não supervisionado.
- Em uma regra de associação R\(→\)S, definimos a confiança como sendo o percentual de transações que contêm todos os itens no conjunto R \(∪\) S.
- O objetivo da tarefa de agrupamento é dividir elementos similares de dados em um mesmo grupo e elementos distintos em grupos diferentes.
- Séries temporais são modeladas com base no surgimento adaptativo de espécies biológicas de mecanismos evolucionários.
Mostrar resposta e comentário
Gabarito
D
Comentário do professor
O agrupamento (clustering) é uma tarefa de aprendizado não supervisionado cujo objetivo é particionar um conjunto de dados em grupos (clusters) de modo que elementos similares fiquem no mesmo grupo e elementos diferentes fiquem em grupos distintos.
Busca-se maximizar a similaridade interna e minimizar a similaridade entre clusters; normalmente os clusters são disjuntos e representam estruturas naturais dos dados.
Uma peça-chave é a função de similaridade, muitas vezes baseada em distância. Para dados numéricos usa‑se, por exemplo, a distância Euclidiana: \(d(p,q)=\sqrt{\sum_i (p_i-q_i)^2}\).
Essa medida orienta a formação dos grupos.
Algoritmos comuns incluem k‑means, métodos hierárquicos e DBSCAN, cada um com suposições próprias sobre forma e densidade de clusters.
O agrupamento é útil para segmentação de clientes, detecção de padrões e exploração inicial de dados sem rótulos. Avalia‑se a qualidade por métricas como silhouette e homogeneidade.
Conteúdo do catálogo FC Concursos · Atualizado em