Funcionalidade cujo objetivo é encontrar conjuntos de dados que não obedecem ao comportamento ou modelo dos dados. Uma vez encontrados, podem ser tratados ou descartados para utili

Gabarito

D

Comentário do professor

Análise de outliers é a funcionalidade que identifica observações cujo comportamento difere do padrão esperado nos dados. Esses pontos, também chamados de outliers ou anomalias, podem ser erros, eventos raros ou sinais relevantes dependendo do contexto.

O objetivo é localizar instâncias que podem distorcer modelos de mining ou gerar conclusões equivocadas, permitindo que sejam tratadas, excluídas ou examinadas separadamente.

Os métodos de detecção produzem tipicamente pontuação (grau de anomalia por registro) ou rótulos (normal/anormal). A pontuação ajuda a priorizar inspeções; o rótulo facilita automação.

Abordagens comuns incluem técnicas estatísticas (ex.: IQR, z-score), baseadas em distância (kNN), baseadas em densidade (LOF) e modelos específicos (Isolation Forest). A escolha depende do tipo de dado e do problema.

No tratamento, é essencial considerar o contexto: remover outliers pode melhorar desempenho, mas também eliminar eventos importantes se não houver análise adequada.