Questão de Banco de Dados — Data Mining — FCC 2020
Banco de Dados›Data Mining
Código
fc058932
Banca
FCC
Órgão
AL-AP
Ano
2020
Cargo
Analista Legislativo - Desenvolvedor de Banco de Dados
No contexto de data mining, considere o caso hipotético a seguir:Uma financeira possui o histórico de seus clientes e o comportamento destes em relação ao pagamento de empréstimos contraídos previamente. Existem dois tipos de clientes: adimplentes e inadimplentes. Estas são as categorias do problema (valores do atributo alvo). Uma aplicação de mining, neste caso, consiste em descobrir uma função que mapeie corretamente os clientes, a partir de seus dados (valores dos atributos previsores), em uma destas categorias. Tal função pode ser utilizada para prever o comportamento de novos clientes que desejem contrair empréstimos junto à financeira. Esta função pode ser incorporada a um sistema de apoio à decisão que auxilie na filtragem e na concessão de empréstimos somente a clientes classificados como bons pagadores.Trata-se de uma atividade denominada
Asumarização.
Bdescoberta de associações.
Cclassificação.
Ddescoberta de sequências.
Eprevisão de séries temporais.
Revelar gabarito e comentário▾
GabaritoC — classificação.
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”.
Data Mining: Tarefas de Mineração de Dados
Gabarito: letra C. A atividade descrita consiste em mapear clientes em categorias predefinidas (adimplente/inadimplente) a partir de seus atributos, o que caracteriza a tarefa de classificação. A classificação é uma técnica de aprendizado supervisionado onde as classes-alvo são conhecidas previamente e o modelo aprende a associar os dados de entrada a essas classes.
O conteúdo de apoio define classificação como: "Categorização de dados para a identificação de uma classe por meio de múltiplos atributos. As classes são predefinidas antes da análise dos resultados (aprendizado supervisionado)." (C2). A questão descreve exatamente esse processo: a financeira tem o histórico com os rótulos (adimplente/inadimplente) e quer uma função que mapeie novos clientes a essas categorias.
Alternativa A — ❌ Incorreta
A sumarização (também chamada de sumarização de dados) visa gerar resumos estatísticos ou descrições concisas dos dados, sem o objetivo de predizer categorias. No exemplo, não se trata de resumir, mas de classificar.
Alternativa B — ❌ Incorreta
A descoberta de associações busca encontrar relações entre variáveis, como regras do tipo "quem compra A também compra B". Não se aplica à predição de uma categoria-alvo binária.
Alternativa C — ✅ Correta ⟵ GABARITO
A classificação é a tarefa de atribuir registros a classes predefinidas. O caso descreve justamente a criação de um modelo que, a partir de atributos previsores (dados dos clientes), prevê se o cliente será adimplente ou inadimplente. É um exemplo clássico de aprendizado supervisionado.
Alternativa D — ❌ Incorreta
A descoberta de sequências (padrões sequenciais) identifica eventos que ocorrem em ordem temporal, como "após comprar A, o cliente compra B". Não há noção de sequência temporal na descrição; o foco é apenas na classificação do cliente.
Alternativa E — ❌ Incorreta
A previsão de séries temporais envolve a predição de valores futuros de uma variável contínua ao longo do tempo (ex: vendas mensais). O problema em questão tem uma variável-alvo categórica (adimplente/inadimplente) e não há série temporal envolvida.
PEGA ESSA DICA!
Na hora da prova, identifique se a variável-alvo é categórica (classes) ou numérica. Se for categórica e as classes são conhecidas de antemão, a tarefa é classificação. Se for numérica contínua, é regressão (ou previsão de séries se temporal). Isso ajuda a diferenciar rapidamente.