Questão de Banco de Dados — Data Mining — FGV 2023
Banco de Dados›Data Mining
Código
fg071487
Banca
FGV
Órgão
TCE-SP
Ano
2023
Nível
Superior
Cargo
Agente da Fiscalização - TI
Considere o conjunto de dados da entidade PACIENTE que possui o atributo do tipo contínuo TEMPERATURA com os valores {38.0, 39.5, 36.0, 35.5}. Para alimentar uma tarefa de Mineração de Dados, é necessário transformar os dados do atributo TEMPERATURA em um número finito de intervalos, como: {35-37, 38-40}.A tarefa de preparação de dados utilizada no atributo TEMPERATURA é:
Acodificação;
Bnormalização;
Cpadronização;
Ddiscretização;
Epartição de dados.
Revelar gabarito e comentário▾
GabaritoD — discretização;
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”.
Preparação de dados: discretização
Gabarito: letra D. A transformação descrita — converter valores contínuos de temperatura em intervalos finitos (ex.: 35-37, 38-40) — é o processo de discretização, que consiste em dividir um atributo contínuo em um número finito de faixas ou categorias. As demais alternativas referem-se a outras técnicas de pré-processamento.
A banca testa o conhecimento das etapas de preparação de dados em mineração de dados (data mining). A discretização é uma técnica comum para simplificar dados contínuos e permitir o uso de algoritmos que lidam com atributos categóricos.
Alternativa A — ❌ Incorreta
Codificação (encoding) geralmente transforma valores categóricos em numéricos (ex.: one-hot encoding), não transforma contínuo em categórico. O sentido inverso.
Alternativa B — ❌ Incorreta
Normalização ajusta a escala dos dados para um intervalo, como [0,1] ou [-1,1], sem criar intervalos discretos. Mantém a natureza contínua.
Alternativa C — ❌ Incorreta
Padronização (ou estandardização) transforma os dados para ter média zero e desvio padrão um (z-score). Também mantém a continuidade.
Alternativa D — ✅ Correta ⟵ GABARITO
Discretização é exatamente o processo de converter atributos contínuos em atributos discretos, criando intervalos (bins) que agrupam valores. Exemplos: igual largura, igual frequência, baseado em conhecimento de domínio (como o intervalo 35-37 e 38-40 para temperatura).
Alternativa E — ❌ Incorreta
Partição de dados refere-se à divisão do conjunto de dados em subconjuntos (treino, teste, validação) ou por amostragem, não à transformação de um atributo.
PEGA ESSA DICA!
Na preparação de dados, lembre-se: discretização = fazer "bins" a partir de valores contínuos; codificação = transformar categorias em números; normalização/padronização = ajustar escala. Questão clássica de conceitos.