Banco de Dados · FCC · 2018 | Questão sqc-fc044195

Data Mining: Tarefas de Classificação

Gabarito: letra A. A descrição fornecida — "estabelecimento de categorias, a partir do conjunto de dados, bem como a distribuição dos dados nas categorias estabelecidas" — corresponde exatamente ao objetivo da tarefa de classificação (também chamada de indução supervisionada). A classificação visa construir um modelo que mapeie os dados em classes ou categorias pré-definidas, por meio do aprendizado a partir de exemplos rotulados.

A banca testa o conhecimento das principais tarefas de mineração de dados. O material de apoio reforça que a classificação "tem como objetivo criar uma hierarquia de classes com base em um conjunto existente de eventos ou transações" e que "este modelo consiste em generalizações sobre os registros, distinguindo-os com base nas classes pré-definidas". É exatamente o que o enunciado descreve.

Tarefa de Data Mining	Descrição	Exemplo	Relação com o Enunciado
Classificação	Cria categorias (classes) e distribui os dados nelas, a partir de aprendizado supervisionado.	Classificar e-mails como "spam" ou "não spam".	Corresponde exatamente à descrição do enunciado.
Sumarização	Gera um resumo compacto dos dados (médias, totais, frequências).	Calcular a média de idade de um grupo de clientes.	Não cria categorias nem distribui dados.
Visualização	Representa dados graficamente para facilitar a compreensão de padrões.	Gráfico de dispersão mostrando relação entre vendas e temperatura.	Não estabelece categorias nem distribui dados.
Evolução	Analisa mudanças de padrões ao longo do tempo (séries temporais).	Previsão do preço de ações nos próximos meses.	O enunciado fala de categorias, não de mudança temporal.
Detecção de Desvios	Identifica pontos que fogem do comportamento esperado (anomalias/outliers).	Detectar transações fraudulentas em um cartão de crédito.	Não categoriza o conjunto todo, apenas destaca exceções.

Alternativa A — ✅ Correta ⟵ GABARITO

A classificação cria categorias (classes) e distribui os dados nessas categorias. É uma tarefa supervisionada: primeiro treina-se um modelo com dados já rotulados e depois ele classifica novos dados. Exemplos: classificar e-mails como "spam" ou "não spam", diagnosticar doenças com base em sintomas.

Alternativa B — ❌ Incorreta

Sumarização refere-se à geração de um resumo compacto dos dados, como médias, totais ou frequências. Não cria categorias nem distribui dados nelas — apenas sintetiza informações.

Alternativa C — ❌ Incorreta

Visualização consiste em representar dados graficamente para facilitar a compreensão de padrões, tendências ou outliers. Não se trata de estabelecer categorias nem de distribuir dados; é uma ferramenta de apoio à análise.

Alternativa D — ❌ Incorreta

Evolução não é uma tarefa clássica de data mining. Pode-se referir à análise de séries temporais ou à evolução de padrões ao longo do tempo, mas a descrição não se encaixa: o enunciado fala de categorias, não de mudança temporal.

Alternativa E — ❌ Incorreta

Detecção de desvios (ou detecção de anomalias/outliers) visa identificar pontos que fogem do comportamento esperado. Não se trata de categorizar o conjunto todo, mas sim de destacar exceções. Embora possa gerar classes binárias (normal/anômalo), a ênfase está na identificação de valores atípicos, não na distribuição geral em categorias.

PEGA ESSA DICA!

Para memorizar as principais tarefas de data mining, associe: Classificação → rótulos pré-definidos (supervisionado); Agrupamento (clusterização) → grupos desconhecidos (não supervisionado); Associação → regras do tipo "se A então B" (cesta de compras); Regressão -> valores numéricos contínuos; Detecção de desvios → outliers; Sumarização → resumo/descrição.

Gabarito: letra A.