Banco de Dados · FGV · 2021 | Questão sqc-fg044920

Técnicas de Data Mining: Clusterização

Gabarito: letra B. Maria precisa criar grupos (clusters) de empresas com base nos valores de faturamento, ou seja, dividir os dados em segmentos onde as empresas de cada grupo tenham faturamentos semelhantes. A técnica diretamente aplicável a essa tarefa é a clusterização (algoritmos de clusterização), que particiona os dados em grupos previamente desconhecidos, com características semelhantes, conforme conceito de data mining (análise de conglomerados).

O problema apresentado não envolve rótulos prévios (classificação supervisionada), mas sim a descoberta natural de grupos a partir dos próprios dados – exatamente o papel da clusterização.

Técnica	Objetivo principal	Aplicabilidade ao problema de Maria	Requer rótulos prévios?
Clusterização	Agrupar dados em segmentos (clusters) com características semelhantes, sem categorias predefinidas.	Diretamente aplicável. Maria quer criar 9 grupos com base no faturamento, descobrindo as faixas naturais dos dados.	Não (não supervisionada)
Árvores de decisão	Classificar ou prever um valor com base em regras aprendidas a partir de um conjunto de dados rotulado.	Não aplicável. Maria não possui grupos predefinidos (rótulos) para treinar o modelo.	Sim (supervisionada)
Regressão linear	Modelar a relação entre uma variável dependente contínua e uma ou mais variáveis independentes.	Não aplicável. O objetivo não é prever um valor contínuo, mas sim criar grupos discretos.	Sim (supervisionada)
Algoritmos de associação	Descobrir relações frequentes entre itens em transações (ex.: regras "se... então...").	Não aplicável. Não cria grupos nem define faixas de valores.	Não (não supervisionada, mas foco em regras, não em grupos)
Modelagem de dados	Definir a estrutura lógica e física de um banco de dados (entidades, atributos, relacionamentos).	Não aplicável. É uma etapa de projeto de banco de dados, não uma técnica de mineração para agrupamento.	Não se aplica

Alternativa A — ❌ Incorreta

Algoritmos de associação (como Apriori) buscam descobrir relacionamentos frequentes entre itens (ex.: “quem compra fraldas também compra cerveja”). Não criam grupos nem definem faixas de valores – são inadequados para o objetivo de Maria.

Alternativa B — ✅ Correta ⟵ GABARITO

Clusterização (ou análise de conglomerados) é a técnica que agrupa registros semelhantes em clusters, sem necessidade de categorias predefinidas. No contexto de data mining, a descrição do material de apoio confirma: “Particiona dados em segmentos previamente desconhecidos com características semelhantes”. Maria deseja justamente isso: criar nove grupos com base nos valores de faturamento, ou seja, descobrir faixas que agrupem empresas de porte similar.

Alternativa C — ❌ Incorreta

Árvores de decisão são usadas em classificação supervisionada: necessitam de uma variável-alvo (rótulo) já conhecida para aprender regras de decisão. Como Maria não tem grupos predefinidos (quer criá-los), a árvore de decisão não se aplica diretamente ao estabelecimento das faixas.

Alternativa D — ❌ Incorreta

Modelagem de dados é um conceito amplo que envolve a definição de estruturas de dados (entidades, relacionamentos, normalização), mas não é uma técnica específica de mineração para agrupamento. Não resolve a necessidade de criar faixas de valores.

Alternativa E — ❌ Incorreta

Regressão linear é uma técnica de predição de variáveis contínuas (ex.: valor de faturamento futuro com base em outras variáveis). Ela não segmenta dados em grupos – portanto, não atende ao objetivo de Maria.

PEGA ESSA DICA!

Sempre que a questão falar em “criar grupos”, “segmentar”, “agrupar por similaridade” sem classes prévias, pense em clusterização. É o oposto de classificação (que usa rótulos conhecidos). Na dúvida, lembre-se do mnemônico: Cluster = Grupo.

Gabarito: letra B — Algoritmos de clusterização.