Questão de Banco de Dados — Data Mining — Quadrix 2023

Mineração de dados: tarefas de classificação

Gabarito: letra A. A árvore de decisão é o método de mineração de dados especificamente associado a tarefas de classificação, cujo objetivo é classificar instâncias em classes predefinidas com base em atributos. A classificação é uma tarefa de aprendizado supervisionado, em que as classes já são conhecidas antes da análise, e a árvore de decisão é uma das principais ferramentas para essa finalidade.

A mineração de dados (data mining) é o processo de explorar grandes volumes de dados para descobrir padrões, correlações e tendências, utilizando técnicas de estatística, matemática e inteligência artificial. Dentro desse processo, existem diversas tarefas, cada uma com objetivos específicos. A classificação é uma das tarefas mais comuns e consiste em criar um modelo que atribui instâncias a classes predefinidas, com base em um conjunto de atributos. É chamada de aprendizado supervisionado porque as classes já são conhecidas durante o treinamento do modelo.

A árvore de decisão é uma representação gráfica das regras de classificação, em que cada nó interno representa um teste sobre um atributo, cada ramo representa o resultado do teste e cada folha representa uma classe. O algoritmo ID3, por exemplo, constrói a árvore selecionando o melhor atributo classificador a cada passo, de forma recursiva. Outras ferramentas de classificação incluem redes neurais, regressão logística e máquinas de vetores de suporte.

É importante distinguir a classificação de outras tarefas de mineração de dados, como a clusterização, que é um aprendizado não supervisionado, em que as classes não são predefinidas e o objetivo é agrupar dados semelhantes. A regressão, por sua vez, busca prever um valor numérico contínuo, e não uma classe. As regras de associação visam descobrir relacionamentos entre variáveis, como em análises de cesta de compras.

A pegadinha desta questão está em confundir a classificação com a clusterização. Na classificação, as classes são predefinidas e o modelo aprende a atribuir novas instâncias a essas classes. Na clusterização, os grupos são formados a partir da similaridade dos dados, sem conhecimento prévio das classes. A banca explora exatamente essa diferença, e o candidato que não domina o conceito pode facilmente marcar a alternativa C.

Guarde a fronteira entre classificação (supervisionada, classes predefinidas) e clusterização (não supervisionada, classes desconhecidas): é exatamente nela que as alternativas se dividem.

Alternativa A — ✅ Correta ⟵ GABARITO

A árvore de decisão é uma ferramenta clássica de classificação. Ela representa graficamente as regras de classificação, demonstrando as condições e probabilidades para se chegar a um resultado. O algoritmo ID3, por exemplo, constrói a árvore selecionando o melhor atributo classificador, e é amplamente utilizado em tarefas de classificação com classes predefinidas.

Alternativa B — ❌ Incorreta

A regra de associação é uma técnica para descobrir relacionamentos interessantes entre variáveis em grandes bancos de dados, como em análises de cesta de compras (ex.: "quem compra pão também compra manteiga"). Não é um método de classificação, pois não atribui instâncias a classes predefinidas.

Alternativa C — ❌ Incorreta

A clusterização (ou análise de agrupamentos) é uma tarefa de aprendizado não supervisionado, em que os grupos são formados a partir da similaridade dos dados, sem conhecimento prévio das classes. Diferentemente da classificação, as classes não são predefinidas, e o objetivo é agrupar elementos semelhantes em clusters.

Alternativa D — ❌ Incorreta

A regressão é uma técnica de predição que busca prever um valor numérico contínuo, como o preço de um imóvel ou a temperatura. Ela não classifica instâncias em classes predefinidas, mas sim estima um valor a partir de atributos de entrada.

Alternativa E — ❌ Incorreta

As redes neurais são uma ferramenta poderosa que pode ser usada para classificação, mas não são especificamente associadas a essa tarefa. Elas são algoritmos inspirados no cérebro humano, capazes de aprender com experiências passadas, e podem ser aplicadas a diversas tarefas, como regressão, reconhecimento de padrões e classificação. A alternativa A é mais específica e direta para a definição apresentada no enunciado.

Gabarito: letra A