Questão 2382709

• Banca: ESPP
• Órgão: MPE-PR
• Ano: 2013
• Provas: ESPP - 2013 - MPE-PR - Analista de Administração de Banco de Dados
• Disciplina: Banco de Dados
• Assuntos: Data Mining

Data Mining refere-se à busca de informações relevantes, ou “à descoberta de conhecimento”, a partir de um grande volume de dados. Assim como a descoberta de conhecimento no ramo da inteligência artificial, a extração de dados tenta descobrir automaticamente modelos estatísticos a partir dos dados. O conhecimento obtido a partir de um banco de dados pode ser representado em regras. Duas importantes classes de problemas de extração de dados são as:

• A. regras de indexação e regras de população.
• B. regras de validação e regras de otimização.
• C. regras de interpolação e regras de valoração.
• D. regras de maximização e regras de generalização.
• E. regras de classificação e regras de associação.

Gabarito: E

Comentários

• Classificação (supervisionado) - Procura identificar a existência de HIERARQUIA em um conjunto pré-existente de eventos ou transações, você estabelece um modelo com base nos seus dados já classificados para classificar aqueles que ainda não foram (preditiva).

  Regras de associação - Relaciona a presença de um conjunto de itens com outra faixa de valores de um outro conjunto de variáveis.

  Ex: quando uma mulher compra uma bolsa em uma loja, ela está propensa a comprar sapatos na mesma loja.

• GAB: E

  COMO DECORAR CRISP-DM

  IMAGINA UM VENDEDOR DE RUA NO BRÁS. DAÍ UMA PESSOA AVISA PRA ESSE VENDEDOR QUE O RAPA (POLICIA) ESTÁ CHEGANDO PRA APREENDER O PRUDUTO DELE.

  A PESSOA AVISA:

  Ei Ei PM AÍ!

  • ENTENDIMENTO DE NEGOCIO
  • ENTENDIMENTO DE DADOS
  • PREPARACAO
  • MODELAGEM
  • AVALICAO
  • IMPLANTACAO

• Fases do processo de Data Mining

  Preparação: Constrói um banco de dados separado, coleta o dado que será garimpado, defini os metadados, atenta para a qualidade dos dados, carrega o banco de dados para o processo de mining.

  Mineração: Cria os modelos de data mining, Defini amostras ou população, Seleciona dados para treinar o modelo, Defini a formatação requerida pelas ferramentas.

  Análise: técnicas para o processo de garimpagem de dados: associação, classificação e agregação.

  Aplicação: depois de definido e testado o modelo, a aplicação se dá pela utilização daqueles algoritmos ajustados em situações reais de sistemas.

  Alternativa: E