Engenharia de Software · FGV · 2024 | Questão sqc-fg096777

Discretização de dados – Métodos

Gabarito: letra A. O método descrito — partições com aproximadamente o mesmo número de elementos — é o equal frequency (frequência igual), que busca balancear a quantidade de instâncias em cada intervalo.

A discretização é uma etapa de pré-processamento que transforma atributos contínuos em discretos, necessária para algoritmos que trabalham apenas com valores categóricos. O método equal frequency divide o domínio em $k$ intervalos, cada um contendo cerca de $n/k$ observações, garantindo distribuição uniforme da contagem.

Método de Discretização	Descrição	Característica Principal	Relação com o Enunciado
Equal Frequency	Divide o domínio em intervalos com aproximadamente o mesmo número de elementos.	Balanceia a quantidade de instâncias por partição.	✅ Corresponde exatamente ao método descrito.
Equal Width	Divide o domínio em intervalos de mesma amplitude (largura).	Partições têm o mesmo tamanho no eixo dos valores, mas número de elementos pode variar.	❌ Não atende ao critério de mesma quantidade de elementos.
Equal Amplitude	Sinônimo de Equal Width.	Idêntico ao Equal Width.	❌ Não atende ao critério.
K-means	Algoritmo de agrupamento (clustering) não supervisionado.	Minimiza a distância intra-cluster; não visa balancear contagem de elementos.	❌ Não é um método de discretização padrão para o fim descrito.
Entropy	Medida de impureza usada em árvores de decisão.	Pode ser critério em discretização supervisionada, mas não garante partições com mesmo número de elementos.	❌ Não corresponde ao método descrito.

Alternativa A — ✅ Correta ⟵ GABARITO

Equal frequency (ou discretização por frequência igual) particiona o domínio em $k$ intervalos de modo que cada um contenha aproximadamente o mesmo número de elementos. É a definição exata do enunciado.

Alternativa B — ❌ Incorreta

Equal width (largura igual) divide o intervalo total de valores em $k$ partes de mesma amplitude, independentemente da distribuição dos dados. O número de elementos em cada partição pode variar muito, ao contrário do que pede o enunciado. A banca troca o conceito de "frequência" por "largura".

Alternativa C — ❌ Incorreta

Equal amplitude é sinônimo de equal width (amplitude igual), portanto não atende ao critério de mesma quantidade de elementos.

Alternativa D — ❌ Incorreta

K-means é um algoritmo de agrupamento (clustering) não supervisionado, não um método de discretização. Embora possa ser usado para agrupar valores contínuos, o objetivo não é particionar o domínio com mesma frequência — ele minimiza a distância intra-cluster.

Alternativa E — ❌ Incorreta

Entropy (entropia) é uma medida de impureza usada em árvores de decisão para calcular ganho de informação. Não é um método de discretização em si; pode ser usada como critério em discretização supervisionada, mas o enunciado descreve explicitamente partições com mesmo número de elementos, característica do equal frequency.

NÃO CAIA NESSA!

A banca explora a confusão entre os dois métodos mais comuns de discretização: equal frequency e equal width. Ambos particionam o domínio, mas o que garante partições com mesmo número de elementos é o frequency. Memorize: "frequency" = frequência (contagem de dados); "width" = largura do intervalo (amplitude).

Gabarito: letra A.