-
...examinar as características de determinado objeto e atribuir-lhe uma ou mais classes...
Pelo trecho acima já é possível resolver a questão. Uma interpretação de texto, apenas.
Gabarito: C
Caso queria conhecer um pouco sobre o tem Aprendizagem de máquina, acesse: https://www.sas.com/pt_br/insights/analytics/machine-learning.html
-
Gabarito correto.
Classificação é uma técnica de mineração supervisionada que encaixa os dados em classes previamente definidas.
-
supervisionado = classificação
não supervisionado = clustering (agrupamento)
-
agrupamento
2017
Agrupar registros em grupos, de modo que os registros em um grupo sejam semelhantes entre si e diferentes dos registros em outros grupos é uma maneira de descrever conhecimento descoberto durante processos de mineração de dados.
certa
associação
2018
No data mining, uma regra de associação relaciona a presença de um conjunto de itens com outra faixa de valores de um outro conjunto de variáveis.
certa
classificação
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.
Certa
árvores de decisão
2016
Em DataMining, as árvores de decisão podem ser usadas com sistemas de classificação para atribuir informação de tipo.
Certa
-
Parabéns "Mr. Robot"!
-
Aprendizado de Máquina Supervisionado
O computador recebe uma série de dados com os rótulos corretamente estabelecidos.
Dividido em:
1- Regressão Linear: O objetivo do algoritmo é traçar uma curva, prever o valor de uma característica em função de outra(s).
2- Classificação: O objetivo do algoritmo é traçar uma curva, identificar as classes dos elementos.
2.1 (Dentro de Classificação) SVM Support Vector Machine: Um algoritmo de SVM tenta encontrar uma curva que divida as duas classes de elementos de maneira igualmente espaçada.
Foco e Fé!!!
A luta continua.
-
Gabarito: Certo.
Um exemplo comum é a classificação supervisionada em nível de geoprocessamento para gerar mapas de uso e ocupação do solo. Por exemplo, classificamos os pixels com determinadas classes. Assim, o computador irá entender que o pixel tal, corresponde a classe tal, e assim em diante. Ao aprender isso, ele conseguirá realizar o restante da classificação.
Bons estudos!
-
A classificação é considerada um exemplo de Aprendizado Supervisionado – isso significa que as classes são pré-definidas antes da análise dos resultados
-
Examinar características de determinado objeto e atribuir-lhe uma ou mais classes é um exemplo típico do processo de classificação (que realmente é um algoritmo de aprendizagem supervisionado).
Gabarito: Correto
-
A palavra chave para identificar um método de classificação: "deve ser atribuída uma ou mais classes".
OBS : Se o algoritmo não necessita de atribuir classes, ele não será de classificação, mas pode ser de previsão como exemplo.
-
Preciso estudar mais esse assunto...mas acertei essa.
-
Classificação (preditiva) - aprendizado supervisionado
Clustering (descritiva) - aprendizado não supervisionado
Regras de associação( descritiva) - aprendizado não supervisionado
Regressão (preditiva)- aprendizado supervisionado
Detecção de desvios (preditiva)- aprendizado supervisionado
-
supervisionado = classificação
não supervisionado = clustering (agrupamento)
correta!
-
" 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."
Se eram baseados em algoritmos de aprendizagem supervisionados, então significa falar que esse algoritmo serviu de exemplo para o processo realizado pela máquina. A técnica que consiste nisso é a de CLASSIFICAÇÃO.
Se fosse não-supervisionado seria o CLUSTERING.
Gabarito correto
-
classificação é considerada um exemplo de aprendizado supervisionado – isso significa que as classes são pré-definidas antes da análise dos resultados.
regressão - Em uma definição formal, Navathe afirma que a regressão é uma aplicação especial da regra de classificação. Se uma regra de classificação é considerada uma função sobre variáveis que as mapeia em uma classe destino, a regra é chamada regressão. Isto ocorre quando, ao invés de mapear um registro de dados para uma classe específica, o valor da variável é previsto (calculado) baseado em outros atributos do próprio registro.
Cluster - Um agrupamento é uma coleção de registros similares entre si, porém diferentes dos outros registros nos demais agrupamentos. Esta tarefa difere da classificação uma vez não necessita que os registros sejam previamente categorizados – trata-se de um aprendizado não-supervisionado.
-
GAB: C
PEGA A VISAO LEKS
- ASSOCIACAO: NAO SUPERVISIONADO
- CLASSIFICACAO: SUPERVISIONADO
- REGRESSAO: SUPERVISIONADO
- AGRUPAMENTO OU CLUSTER: NAO SUPERVISIONADO
-
Prezados,
Em aprendizado de máquina, temos os chamados aprendizado supervisionado e aprendizado não supervisionado. No caso de aprendizado supervisionado, possuímos os dados rotulados, ou seja, temos um conjunto de exemplos dos dados com os rótulos que desejamos identificar. Nos 2 exemplos abaixo, por exemplo, para criar os algoritmos teríamos que ter um histórico de dados de vendas dos imóveis, com as características e com o valor da venda, e no caso financeiro, teríamos que ter um conjunto de dados passados das transações onde sabemos quais são fraudulentas ou não.
Como base nos dados do passado, os algoritmos são treinados para prever o valor de novas transações (e portanto, não rotuladas) .
No caso do aprendizado não supervisionado, não temos o rótulo, mas podemos ainda fazer algumas técnicas, como a clusterização, onde o algoritmo tenta agrupar os itens em grupos com base nas características em comum entre eles, mesmo sem você ter passado quais (ou quantos) grupos são em questão.
Dentro do aprendizado de máquina supervisionado deles temos alguns tipos de processos que são realizados.
Quando você obtém as características de um objeto para identificar uma variável contínua, chamamos isso de uma regressão. Exemplo, obter as características de determinado imóvel para prever o valor de venda dele.
Quando você obtém as características de um objeto para enquadrar ele em uma classe, chamamos de classificador. Exemplo, obter as características de uma transação financeira para classificar ela como fraude ou não fraude.
Na assertiva dessa questão, vemos que o processo busca atribuir um objeto em uma ou mais classes, ou seja, um classificador.
Portanto a questão está correta.
Gabarito do Professor: CERTO.
-
Classe = classificação. Não necessariamente, mas provavelmente.
-
Como eu decorei:
-se começar com A é não supervisionado
-se não começar com A é supervisionado
NÃO supervisionados:
- Agrupamento (lembrar que também pode ser chamado de Clustering)
- Associação
Supervisionados:
- Classificação
- Regressão
- Detecção de desvios
Não sou de TI. Se estiver errado, me avisem para que eu possa corrigir.
Boa sorte a todos!!!
-
agrupamento
2017
Agrupar registros em grupos, de modo que os registros em um grupo sejam semelhantes entre si e diferentes dos registros em outros grupos é uma maneira de descrever conhecimento descoberto durante processos de mineração de dados.
certa
associação
2018
No data mining, uma regra de associação relaciona a presença de um conjunto de itens com outra faixa de valores de um outro conjunto de variáveis.
certa
classificação
Com o uso da classificação
como técnica de Data Mining, busca-se a identificação de
uma
classe por meio de múltiplos atributos
. E
ssa técnica também pode ser usada em conjunto com outras técnicas de mineração de dados.
Certa
árvores de decisão
Em DataMining, as
árvores de decisão
podem ser usadas com sistemas de
classificação para atribuir informação de tipo.
Certa
-
Bizu!
ANÃO NÃO É SUPERVISIONADO.
Agrupamento e Associação NÃO é supervisionado.
Se começa com A → Então não supervisiona!!!
-
CERTO.
Classificação ~> atribuir classe (SUPERVISIONADO)
Agrupamento ~> atribuir classe (NÃO SUPERVISIONADO)
-
Aprendizagem supervisionada - classificada
Aprendizagem não supervisionada - agrupada
-
muito boa questão
-
Em aprendizado de máquina, temos os chamados aprendizado supervisionado e aprendizado não supervisionado. No caso de aprendizado supervisionado, possuímos os dados rotulados, ou seja, temos um conjunto de exemplos dos dados com os rótulos que desejamos identificar. Nos 2 exemplos abaixo, por exemplo, para criar os algoritmos teríamos que ter um histórico de dados de vendas dos imóveis, com as características e com o valor da venda, e no caso financeiro, teríamos que ter um conjunto de dados passados das transações onde sabemos quais são fraudulentas ou não.
Como base nos dados do passado, os algoritmos são treinados para prever o valor de novas transações (e portanto, não rotuladas) .
No caso do aprendizado não supervisionado, não temos o rótulo, mas podemos ainda fazer algumas técnicas, como a clusterização, onde o algoritmo tenta agrupar os itens em grupos com base nas características em comum entre eles, mesmo sem você ter passado quais (ou quantos) grupos são em questão.
Dentro do aprendizado de máquina supervisionado deles temos alguns tipos de processos que são realizados.
Quando você obtém as características de um objeto para identificar uma variável contínua, chamamos isso de uma regressão. Exemplo, obter as características de determinado imóvel para prever o valor de venda dele.
Quando você obtém as características de um objeto para enquadrar ele em uma classe, chamamos de classificador. Exemplo, obter as características de uma transação financeira para classificar ela como fraude ou não fraude.
Na assertiva dessa questão, vemos que o processo busca atribuir um objeto em uma ou mais classes, ou seja, um classificador.
Portanto a questão está correta.
professor Leandro Rangel
-
Gabarito: Certo
Supervisionado = Classificação
-
Imagine vc averiguando uma classificação no final de um campeonato.
Então, vc terá que supervisionar, senão, irão te passar a perna.
Meio bobo, mas funciona. kkk
-
Comentário: outra questão bem conceitual. O CESPE adora cobrar as técnicas de mineração de dados. Adora confundir técnicas de classificação, onde já conhecemos as classes, com as técnicas de agregação onde as classes não são conhecidas. A questão diz: ”examinar as características de determinado objeto e atribuir-lhe uma ou mais classes” então está falando de classificação. Certo
Hachid Targino
-
Errei por achar muito obvia, o cespe vai isso com a gente de vez em quando!
-
-se começar com A é não supervisionado
-se não começar com A é supervisionado
NÃO supervisionados: utiliza-se a heurística (aproximação progressiva)
- Agrupamento (lembrar que também pode ser chamado de Clustering)
- Associação
Supervisionados: (há conjunto de treinamento e grupos predefinidos)
- Classificação
- Regressão
- Detecção de desvios
Os principais métodos de mineração de dados:
Rede Neurais
- Árvore de Decisão
- Algoritmos Genéticos
- Lógica Fuzzy (Difusa)
- Estatística
Só com isso você já consegue matar 95% das questões de data mining
-
Clusterização é a tarefa de dividir a população ou os pontos de dados em vários grupos, de modo que os pontos de dados nos mesmos grupos sejam mais semelhantes a outros pontos de dados no mesmo grupo do que os de outros grupos.
(Agrupamento) (Clustering)
técnica não supervisionada de aprendizado
agrupa ou separa os elementos com base na semelhança.
a técnica também permite que sejam identificados os outliers
o que é otliers ? são os elementos que são diferentes.
NYCHOLAS LUIZ
-
CLASSIFICAÇÃO - As clases são pré-definidas: Hieraquia de classes com base em um conjunto existente de eventos ou transações.
AGRUPAMENTO/CLAUTERIZAÇÃO - As classe são previamente desconhecidas: Partição de uma coleção de eventos ou itens em segmentos cujos membros são caracteristicas semelhantes.
-
PROCESSOS SUPERVISIONADOS E NÃO SUPERVISIONADOS
NÃO supervisionados: (COMEÇA COM "A")
· Agrupamento (lembrar que também pode ser chamado de Clustering)
· Associação
Supervisionados:
· Classificação
· Regressão
· Detecção de desvios
Esse comentário que vi aqui no QC me fez nunca mais errar questões desse tipo.
-
c-
Uma forma de pensar sobre a extração de padrões de dados em uma maneira supervisionada é segmentar a população em subgrupos com diferentes valores para a variável de destino e, dentro do subgrupo as instâncias têm valores para a variável de destino. A segmentação pode fornecer um conjunto de padrões de segmentações compreensíveis.
-
Classificação: atribui classes
Associação: compara
-
se começar com A é não supervisionado
-se não começar com A é supervisionado
Tipos de técnica (método de classificação para mineração de dados)
· Associação
➟ Não supervisionado
➟ Identificar afinidades existentes entre um conjunto de itens em um dado grupo de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão envolvidos em processos ligados a roubo de dados sigilosos
· Análise de agrupamentos (Clusterização ou análise de aglomerações ou análise de partições)
➟ Não supervisionado
➟ Busca classificar casos (por exemplo, pessoas, coisas, eventos) em grupos ou clusters, de modo que o grau de associação seja forte entre os membros do mesmo cluster e fraco entre os membros de diferentes clusters
· Padrões sequenciais ou regressão
➟ Supervisionado
➟ Identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do sexo feminino após ajuizarem uma causa contra o INSS solicitando nova perícia médica ajuízam uma causa contra o INSS solicitando ressarcimento monetário
· Classificação
➟ Supervisionado
➟ As categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um determinado grupo que fazem a discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
gab.: CERTO
-
começou com A = Não supervisionado
Não começou com A = supervisionado
-
começou com A = Não supervisionado
Não começou com A = supervisionado
-
CLASSIFICAÇÃO
- O algorítimo recebe classes pré-definidas como entrada e, a partir delas, continua o aprendizado.
- Utilizada para identificar os atributos de um determinado grupo;
- O algorítimo de classificação já recebe classes pré-definidas;
- APRENDIZAGEM SUPERVISIONADA.
- O Algorítimo é ensinado por uma “mão humana” acerca dos procedimentos de classificação dos dados: como separar, quais classes, quais dados se encaixam em quais classes.
-
Lembre:
Agrupamento e Regra de Associação são não supervisionados (e descritivas), de resto são supervisionados e preditivos
-
"Examinar as características de determinado objeto e atribuir-lhe uma ou mais classes."
Classificação. Gabarito certo.
-
Aquele texto merd* que já te dá a resposta, mas enche linguiça para lhe confundir.
-
A tarefa de classificação em data mining é uma atividade preditiva que consiste na análise de dados em busca da definição de padrões que descrevem tendências futuras [Motta 2004]. Essa tarefa define um conjunto de modelos (padrões) que podem ser usados para classificar novos objetos
Fonte: UNESC
-
GAB:ERRADA
Classificação (Classification): identifica a qual classe determinado registro pertence.
BIZU
-se começar com A é não supervisionado
-se não começar com A é supervisionado
IBADE - 2019 - Prefeitura de Itapemirim - ES - Analista de Tecnologia da Informação
Uma funcionalidade que pesquisa, agrega e organiza dados, de maneira que, através de análises encontre padrões, associações, mudanças, anomalias e outras informações relevantes, chama-se: DATA MINING
Prova: CESPE / CEBRASPE - 2020 - Ministério da Economia - Tecnologia da Informação
A análise de regressão em mineração de dados tem como objetivos a sumariação, a predição, o controle e a estimação. CERTA
-
supervisionado = classificação
não supervisionado = agrupamento (clustering)
Mné: se foi supervisionado, então está classificado
-
Classificação - Atribuir classes; aprendizado supervisionado.
Clusterização - Algoritmos com heurística para fins de descoberta; descoberta por faixa de valores; formados por aglomerações ou divisões de elementos; não supervisionado.
-
Gabarito: certo
Classificação:
Visa o estabelecimento de categorias pré-definidas antes da análise dos dados a partir de um conjunto de dados, bem como a distribuição dos dados nas categorias estabelecidas. Constroem-se modelos de classificação a partir de um conjunto de dados de entrada, identificando cada classe por meio de múltiplos atributos e os rotulando/etiquetando. Utiliza o aprendizado supervisionado, isso significa que as classes são pré-definidas antes da análise dos resultados.
(CESPE / CODEVASF - 2021)Em data mining, enquanto a classificação identifica possíveis agrupamentos dentro de uma massa de dados sem grupos predefinidos, a aglomeração reconhece modelos que identificam o grupo a que um item pertence e os relaciona por meio do exame de itens já categorizados.(errado)
Agrupamento :
Esta tarefa difere da classificação uma vez não necessita que os registros sejam previamente categorizados – trata-se de um aprendizado não-supervisionado. Além disso, ela não tem a pretensão de classificar, estimar ou predizer o valor de uma variável, ela apenas identifica os grupos de dados similares.
(cespe/2021/pf)A análise de clustering é uma tarefa que consiste em agrupar um conjunto de objetos de tal forma que estes, juntos no mesmo grupo, sejam mais semelhantes entre si que em outros grupos.(certo)
(CESPE / CEBRASPE - 2014)O uso de agrupamento (clustering) em DataMining exige que os registros sejam previamente categorizados, tendo por finalidade aproximar registros similares para predizer valores de variáveis.(errado)
(CESPE / CEBRASPE - 2013) Em se tratando de mineração de dados, a técnica de agrupamento (clustering) permite a descoberta de dados por faixa de valores, por meio do exame de alguns atributos das entidades envolvidas. Certo
(CESPE / CEBRASPE - 2021) No método de mineração de dados por agrupamento (clustering), são utilizados algoritmos com heurísticas para fins de descoberta de agregações naturais entre objetos. (certo)
(CESPE / CEBRASPE - 2013) Em algoritmos de clusterização hierárquica, os clusters são formados gradativamente por meio de aglomerações ou divisões de elementos, gerando uma hierarquia de clusters. Certo
-
Vamos lá!
- Data mining descrição: Descrever novos padrões,exceções, tendências e aprendizados adquiridos com a mineração.
- Data mining classificação: Identifica as classes existentes e compara com os dados.
- Data mining associação: compara atributos minerados, pode identificar possíveis problemas futuros.
- Agrupamento de dados(clustering): Técnica de organização,por semelhança ou não.
-
CERTO
CLASSIFICAÇÃO:
- Possui classes pré-definidas (já existem)
- Aprendizado supervisionado
- Preditiva
- Examina características nos dados e atribui uma classe já existente a esse dado.
_________
(CESPE) 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.
Nessa situação, a ação em realização está relacionada ao processo de classificação. (CERTO)
_________
(CESPE) Dentre os algoritmos utilizados em data mining, há um algoritmo que visa o estabelecimento de categorias, a partir do conjunto de dados, bem como a distribuição dos dados nas categorias estabelecidas. Essa descrição corresponde aos algoritmos de
A) classificação. (CERTO)
B) sumarização.
C) visualização.
D) evolução.
E) detecção de desvios.
_________
(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)
_________
(CESPE) Em data mining, enquanto a classificação identifica possíveis agrupamentos dentro de uma massa de dados sem grupos predefinidos, a aglomeração reconhece modelos que identificam o grupo a que um item pertence e os relaciona por meio do exame de itens já categorizados. (ERRADO)
· Classificação = classes pré-definidas