Questão de Banco de Dados — Data Mining — CESPE / CEBRASPE 2024
Banco de Dados›Data Mining
Código
ce167443
Banca
CESPE / CEBRASPE
Órgão
ANTT
Ano
2024
Nível
Superior
Cargo
Especialista em Regulação de Serviços de Transportes Terrestres - Conhecimentos Específicos
No que se refere a deep learning e mineração de dados, julgue o item subsecutivo.A mineração de dados é comumente classificada por sua capacidade de realizar determinadas tarefas, entre as quais está a estimação, que, embora similar à classificação, é usada quando o registro é identificado por um valor numérico e não um categórico.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Mineração de dados: tarefas de classificação e estimação
✅ CERTO. A definição apresentada está correta: a estimação (também chamada de regressão) é uma tarefa de mineração de dados que prevê valores numéricos, enquanto a classificação prevê categorias (rótulos discretos). A semelhança entre ambas reside no fato de serem tarefas preditivas supervisionadas; a diferença está na natureza da variável alvo.
A mineração de dados é comumente dividida em tarefas como classificação, regressão (estimação), agrupamento, associação, etc. A afirmação do item capta exatamente essa distinção: quando o registro deve ser identificado por um valor numérico (ex.: preço, temperatura, idade), utiliza-se um modelo de estimação/regressão; quando se trata de um valor categórico (ex.: classe "spam"/"não spam", tipo de cliente), aplica-se classificação.
Tarefas preditivas (supervisionadas)
1Classificação
Alvo: categórico
Ex.: spam / não spam
2Estimação (regressão)
Alvo: numérico
Ex.: preço, temperatura
LEVEL · soulevel.com.br
NÃO CAIA NESSA!
Para não confundir na prova, lembre-se: classificação = categorias (rótulos finitos); estimação/regressão = números (valores contínuos ou discretos). Ambas são aprendizado supervisionado.