-
Os Algoritmos Genéticos (AGs) diferem dos métodos tradicionais
de busca e otimização, principalmente em quatro aspectos:
1. AGs trabalham com uma codificação do conjunto de parâmetros
e não com os próprios parâmetros.
2. AGs trabalham com uma população e não com um
único ponto.
3. AGs utilizam informações de custo ou recompensa e não
derivadas ou outro conhecimento auxiliar.
4. AGs utilizam regras de transição probabilísticas
e não determinísticas.
http://www.icmc.usp.br/pessoas/andre/research/genetic/
-
Um sistema de data mining pode realizar pelo menos uma das seguintes tarefas:
4. Previsão - esta função de mineração prediz os possíveis valores de alguns dados perdidos ou a distribuição de valores de certos atributos em um conjunto de objetos. Ela envolve a descoberta de um conjunto de atributos relevantes para o atributo de interesse (e.g., por algumas análise estatística) e prediz a distribuição do valor baseada no valor do conjunto de dados semelhantes ao(s) objeto(s) selecionado(s). Por exemplo, o salário potencial de um empregado pode ser predito baseado na distribuição do salário de empregados semelhantes na companhia. Usualmente, análise de regressão, modelo linear generalizado, análise de correlação e árvores de decisão são ferramentas úteis em predição de qualidade. Também são usados algoritmos genéticos e redes neurais com bastante sucesso.
http://www.dct.ufms.br/~mzanusso/Data_Mining.htm
BONS ESTUDOS.
-
CERTO. Muito boa esta questão. Acabei de aprender coisas novas que não sabia. =]
Segundo Navathe(2011,p.715),"Os algoritmos genéticos são usados para solução e agrupamento de problemas. Sua capacidade de solucionar problemas em paralelo oferece uma ferramenta poderosa para a mineração de dados. As desvantagens dos algoritmos genéticos incluem a grande superprodução de soluções individuais, o caráter aleatório do processo de pesquisa e a alta demanda no processamento do computador."
Bibliografia:
SISTEMAS DE BANCO DE DADOS-NAVATHE-2011-6 EDIÇÃO
-
(C)
Cespe / Data Mining
As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre os dados. Esses tipos de ferramentas podem utilizar técnicas avançadas de computação como redes neurais, algoritmos genéticos e lógica nebulosa, dentre outras.(C)
-
DATAMINING: (CESPE)
‘’É um conjunto de processos, métodos, teorias, ferramentas e tecnologias open-end utilizadas para explorar, organizar e analisar de forma semi-automática uma GRANDE QUANTIDADE de DADOS BRUTOS com intuito de identificar, descobrir, extrair, classificar e agrupar informações implícitas desconhecidas, além de avaliar correlações, tendências e PADRÕES consistentes de comportamento POTENCIALMENTE ÚTEIS – como regras de associação ou sequências temporais – de forma não trivial por meio de TÉCNICAS ESTATÍSTICAS e MATEMÁTICAS, como redes neurais, algoritmos genéticos, inteligência artificial, lógica nebulosa, ANÁLISE de CONGLOMERADOS (clusters).’’
Fonte: Estratégia Concursos.
-
Os algoritmos genéticos são usados para solução e agrupamento de problemas. Sua capacidade de solucionar problemas em paralelo oferece uma ferramenta poderosa para mineração de dados. As desvantagens dos GAs incluem a grande superprodução de soluções individuais, o caráter aleatório do processo de pesquisa e a alta demanda no processamento
do computador.
Navathe p.715