-
Tipos de algoritmos de mineração de dados
O Analysis Services inclui os seguintes tipos de algoritmos:
Algoritmos de classificação prevêem uma ou mais variáveis discretas, com base nos outros atributos do conjunto de dados. Um exemplo de um algoritmo de classificação é Algoritmo Árvores de Decisão da Microsoft.
Algoritmos de regressão prevêem uma ou mais variáveis contínuas, como lucro ou perda, com base nos outros atributos do conjunto de dados. Um exemplo de um algoritmo de regressão é Algoritmo MTS.
Algoritmos de segmentação dividem dados em grupos ou clusters de itens que têm propriedades semelhantes. Um exemplo de um algoritmo de segmentação é Algoritmo Microsoft Clustering.
Algoritmos de associação encontram correlações entre atributos diferentes em um conjunto de dados. A aplicação mais comum desse tipo de algoritmo é para criar regras de associação, que podem ser usadas em uma análise de cesta básica. Um exemplo de um algoritmo de associação é Algoritmo Associação da Microsoft.
Algoritmos de análise de seqüência resumem seqüências freqüentes ou episódios em dados, como um fluxo de caminho da Web. Um exemplo de um algoritmo de seqüência é Algoritmo MSC.
Letra A
https://technet.microsoft.com/pt-br/library/ms175595(v=sql.105).aspx
-
Letra A
Gostei da explicação e definição do Wikipédia...
Associações: São ocorrências ligadas a um único evento. Por exemplo:um estudos de modelos de compra em supermercados pode revelar que, na compra de salgadinhos de milho, compra-se também um refrigerante tipo cola em 65% das vezes: mas, quando há uma promoção, o refrigerante é comprado em 85% das vezes.Com essas informações, os gerentes podem tomar decisões mais acertadas pois aprenderam a respeito da rentabilidade de uma promoção.
Sequências: Na sequência os eventos estão ligados ao longo do tempo. Pode-se descobrir, por exemplo, que quando se compra uma casa, em 65% as vezes se adquire uma nova geladeira no período de duas semanas; e que em 45% das vezes, um fogão também é comprado um mês após a compra da residência.
Classificação: Reconhece modelos que descrevem o grupo ao qual o item pertence por meio do exame dos itens já classificados e pela inferência de um conjunto de regras. Exemplo: empresas de operadoras de cartões de crédito e companhias telefônicas preocupam-se com a perda de clientes regulares, a classificação pode ajudar a descobrir as características de clientes que provavelmente virão abandona-las e oferecer um modelo para ajudar os gerentes a prever quem são, de modo que se elabore antecipadamente campanhas especiais para reter esses clientes.
Aglomeração (clustering): Funciona de maneira semelhante a classificação quando ainda não foram definidos grupos. Uma ferramenta de data mining descobrirá diferentes agrupamentos dentro da massa de dados. Por exemplo ao encontrar grupos de afinidades para cartões bancários ou ao dividir o banco de dados em categorias de clientes com base na demografia e em investimentos pessoais.
Prognóstico: Embora todas essas aplicações envolvam previsões, os prognósticos as utilizam de modo diferente. Partem de uma série de valores existentes para prever quais serão os outros valores. Por exemplo um prognóstico pode descobrir padrões nos dados que ajudam os gerentes a estimar o valor futuro de variáveis com números de vendas.
https://pt.wikipedia.org/wiki/Mineração_de_dados
-
LETRA A
Chaves para gravar essa gambiarra:
Classificação = CLASSE, CATEGORIA, CATEGORIZAR
Estimação = USO DE VALORES NÚMERICOS, ESTIMAR VALOR
Predição = MAPEAMENTO de valores ASSOCIADOS aos dados
Clustering = APROXIMAR REGISTROS SIMILARES
Associação = ATRIBUTOS RELACIONADOS
-
Classificação (Resumo):
• Tarefa: Dado um conjunto de exemplos préclassificados, construir um modelo ou um classificador para classificar novas entradas.
• Aprendizado supervisionado
• Um classificador pode ser um conjunto de regras, uma árvore de decisões, uma rede neural, ...
• Algumas aplicações:
– Aprovação de crédito, marketing direto, detecção de fraudes, diagnóstico médico ...
Fonte: Itnerante
-
Veja que a assertiva descreve uma definição prévia de categorias para posteriormente classificar os dados nessas categorias. Essa é a tarefa de classificação da mineração de dados.
Gabarito: A
-
Classificação: são processos que definem agrupamentos de itens em classes segundo referências estabelecidas. São usados para definir grupos ou classes de elementos, com base em certos parâmetros preestabelecidos.
Alternativa: A
-
Gab.: letra A
(CESPE)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. CERTO
-
- Classificação = CLASSE, CATEGORIA, CATEGORIZAR
- Estimação = USO DE VALORES NÚMERICOS, ESTIMAR VALOR
- Predição = MAPEAMENTO de valores ASSOCIADOS aos dados
- Clustering = APROXIMAR REGISTROS SIMILARES
- Associação = ATRIBUTOS RELACIONADOS