Alternativas
carregar os dados de várias fontes diferentes, aplicar algoritmos preditivos e efetuar avaliações de qualidade do classificador
após treinamento.
organizar os dados usando distribuições de frequência, apresentar os dados usando técnicas de visualização e calcular
medidas de tendência central, variação e associação.
discretizar dados categóricos, treinar o classificador em uma base de treinamento e avaliar a qualidade do classificador em
uma base de testes.
calcular as probabilidades associadas em cada transação, gerar as regras de associação para os parâmetros de suporte e
confiança e apresentar as regras identificadas.
definir as dimensões de interesse, construir os cubos OLAP correspondentes às dimensões e apresentar opções de
visualização e navegação sobre os cubos elaborados.