-
Segundo Carlos Barbieri BI2 - Business intelligence pág. 137
"Classificação - São processo que definem agrupamentos de itens em classes, segundo referências estabelecidas. São usados para definir grupos ou classes de elementos, com em certos parâmetros preestabelecidos."
-
Para quem não entende os comentários sem o gabarito e não tem acesso a resposta.
Gaba: CERTO
"Classificação - São processo que definem agrupamentos de itens em classes, segundo referências estabelecidas. São usados para definir grupos ou classes de elementos, com em certos parâmetros preestabelecidos."
Segundo Carlos Barbieri BI2 - Business intelligence pág. 137
-
É verdade. A classificação visa utilizar vários atributos para obter o valor do que está se buscando rotular. Por exemplo, na análise do perfil de risco de um cliente são analisados fatores do perfil socioeconômico do cliente como idade, renda, etc. É importante lembrar que, na classificação, as classes em que serão mapeadas as variáveis são predefinidas, ao contrário do que acontece na clusterização.
-
Realmente essa técnica busca identificar uma classe por meio de múltiplos atributos e pode ser usada – sim – em conjunto com outras técnicas de mineração de dados (Correto).
-
Certa
é importante dizer que a classificação é considerada um exemplo de aprendizado supervisionado – isso significa que as classes são pré-definidas antes da análise dos resultados.
-
Outra questão para aprendizado.
Julgue o item que segue, relativo a noções de mineração de dados, big data e aprendizado de máquina.
Situação hipotética: Na ação de obtenção de informações por meio de aprendizado de máquina, verificou-se que o processo que estava sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais classes; verificou-se também que os algoritmos utilizados eram embasados em algoritmos de aprendizagem supervisionados. Assertiva: Nessa situação, a ação em realização está relacionada ao processo de classificação.
CORRETO
-
"busca identificar uma classe"
e aí? a classe é previamente conhecida (classificação) ou desconhecida (agrupamento)?
¯\_(ツ)_/¯
-
Técnicas do Data mining:
- Associação: representa padrões de relacionamento entre itens de uma base de dados (famoso exemplo da frauda e cerveja)
- Classificação: ajuda a obter informações importante sobre dados e metadados. Está intimamente relacionada com a técnica de clusterização e utiliza árvore de decisão ou rede neural. (agrupa por classes)
- Agrupamento(clustering): é uma técnica que também é conhecida como agrupamento de dados. Trata-se do processo de identificação de dados semelhantes e não semelhantes entre si.
Gabarito: CERTO
Espero ter ajudado!
-
- Classificação: Envolve descrever os dados em função de algumas classes predeterminadas. É utilizado um conjunto de treinamento e envolve aprendizado supervisionado. Supervisionado justamente porque o ser humano precisa fornecer alguns exemplos para que o aprendizado possa ocorrer.
- Análise de agrupamentos (clusterização): É um exemplo de aprendizado não supervisionado. Envolve a divisão dos dados em grupos semelhantes entre si e diferentes dos demais.
-
Acho que esta questão esta errada, segue meus argumentos:
Questão
Julgue os itens subsecutivos, com relação a Data Mining, desempenho de sistemas de bancos de dados e controle de concorrência.
Com o uso da classificação como técnica de Data Mining, busca-se a identificação de uma classe por meio de múltiplos atributos. Essa técnica também pode ser usada em conjunto com outras técnicas de mineração de dados.
Argumento
na classificação, o modelo de dados é previamente construído, portando não há o que se falar em busca de atributos comuns, pois quando o processo de mineração começa, as classes já estão previamente definidas. acredito que o erro esta em falar que é classificação, quando na verdade seria o cluster / agrupamento ( busca durante o processo de mineração atributos comuns) , e desta forma os agrupa em classes/ agrupamentos.
pessoal, caso concordem ou discordem, escrevam ai no comentário a fim de contribuir para o conhecimento coletivo.