Questões de Mineração de dados — tarefas, técnicas e processo KDD

Errado. O agrupamento é não supervisionado: forma grupos por semelhança sem rótulos prévios, como no k-means. Quem exige classes conhecidas no treinamento é a classificação, tarefa preditiva e supervisionada da mineração de dados.

Certo. Relações do tipo quem compra X também compra Y são o objeto das regras de associação, obtidas por algoritmos como o Apriori e avaliadas pelas medidas de suporte, confiança e lift.

Certo. A regressão é a tarefa preditiva usada quando a saída é um valor numérico, como o preço de um imóvel. Se o objetivo fosse prever uma categoria, a tarefa seria a classificação.

Errado. No KDD, a ordem é seleção, pré-processamento, transformação, mineração e interpretação. A mineração é a etapa central e depende dos dados já preparados, não podendo vir antes dessas fases iniciais.

Certo. Árvores de decisão preveem categorias a partir de exemplos rotulados e geram regras interpretáveis do tipo se e então. Também são usadas na classificação técnicas como k-NN, Naive Bayes, SVM e redes neurais.

Certo. A mineração de dados busca padrões úteis, não óbvios e previamente desconhecidos em grandes volumes de dados, usando estatística, aprendizado de máquina e bancos de dados, inclusive para detectar anomalias.

Certo. A clusterização forma grupos por semelhança sem contar com rótulos prévios, o que a caracteriza como técnica não supervisionada. Um exemplo clássico de algoritmo dessa tarefa é o k-means.

Errado. A classificação é tarefa supervisionada, que aprende com histórico rotulado para prever categorias, como fraude ou não fraude. Dispensar rótulos é característica de tarefas descritivas, como o agrupamento.

Certo. A detecção de anomalias, ou outliers, é tarefa descritiva que identifica casos fora do padrão, como transações atípicas, e tem uso em análise de fraude e lavagem.

Errado. No overfitting, o modelo decora o conjunto de treino e generaliza mal, por isso deve ser avaliado em dados de teste separados dos usados no aprendizado.

Certo. Na regra X → Y, o suporte é a fração das transações com X e Y, a confiança é P(Y|X), e um lift maior que 1 indica associação positiva.

Certo. O CRISP-DM, cíclico, percorre entendimento do negócio, entendimento dos dados, preparação, modelagem, avaliação e implantação, nessa ordem, começando sempre pelo problema de negócio.

Errado. A consulta SQL ou OLAP responde perguntas já formuladas, enquanto a mineração descobre padrões úteis, não óbvios e previamente desconhecidos, sem que tenham sido buscados explicitamente.