Pular para o conteúdo principal

Questão de Banco de Dados — Data Mining — CESPE / CEBRASPE 2024

Banco de DadosData Mining
Código
ce172702
Banca
CESPE / CEBRASPE
Órgão
CTI
Ano
2024
Nível
Superior
Cargo
Tecnologista Pleno 2 - I - Especialidade: Indústria 4.0 e Governo Digital - Área de Atuação: Sistemas Ciberfísicos e Cidades Inteligentes
No que se refere à análise e à mineração de dados, julgue o próximo item.A tarefa de agrupamento de dados consiste na análise de conjuntos de dados em que estão presentes apenas as descrições dos dados e pode até mesmo resolver problemas de detecção de desvios.
  1. CCerto
  2. 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”.

Agrupamento (Clustering) em Data Mining

Gabarito: Certo. A afirmação está correta porque a tarefa de agrupamento (clustering) é uma técnica de aprendizado não supervisionado que analisa conjuntos de dados contendo apenas as descrições dos atributos, sem qualquer rótulo ou classe predefinida. Além disso, o agrupamento pode ser utilizado para detectar desvios (outliers), identificando pontos que não se encaixam bem em nenhum grupo.

A mineração de dados inclui várias tarefas, dentre elas o agrupamento, que particiona os dados em segmentos previamente desconhecidos com características semelhantes, conforme descrito no conteúdo de apoio: "Particiona dados em segmentos previamente desconhecidos com características semelhantes". Essa tarefa opera exclusivamente sobre as descrições dos dados (atributos), sem necessidade de exemplos rotulados.

Quanto à detecção de desvios, o próprio enunciado já a menciona, mas a literatura de data mining confirma que técnicas de agrupamento podem ser usadas para identificar anomalias: dados que não pertencem a nenhum cluster ou que formam clusters muito pequenos são candidatos a outliers. O conteúdo de apoio também cita a identificação de padrões incomuns, como no exemplo de detecção de intrusos.

Portanto, a assertiva está correta.

Agrupamento (Clustering)
  • 1Aprendizado não supervisionado
    • Apenas descrições dos dados
    • Sem rótulos/classes
  • 2Objetivos
    • Particionar em segmentos similares
    • Detectar desvios (outliers)
  • 3Aplicações
    • Dados que não se encaixam em grupos
    • Clusters muito pequenos
    • Padrões incomuns (ex.: intrusos)
LEVEL · soulevel.com.br

Link permanente: /questoes/ce172702