Questão de Banco de Dados — Data Mining — FUNDATEC 2023
Banco de Dados›Data Mining
Código
qq897081
Banca
FUNDATEC
Órgão
PROCERGS
Ano
2023
Nível
Superior
Cargo
ANC - Analista em Computação - Ênfase em Ciências de Dados
Assinale a alternativa correta sobre os critérios de seleção de atributos aplicáveis na construção de árvores de decisão.
AGanho de informação normaliza o critério de ganho de informação e deve ser usado para selecionar atributos que obtiveram um ganho de informação médio.
BÍndice Gini usa um critério baseado em impureza para analisar as diferenças entre as distribuições de probabilidade dos valores dos atributos da classe (rótulos).
CDKM é um critério baseado no cálculo do ângulo entre vetores que representam a distribuição de classes nas partições geradas.
DRaio de ganho usa a medida de entropia como meio para análise do grau de impureza das partições geradas a partir da análise dos valores de um atributo descritivo.
EORT é critério baseado em impureza para atributos de classes binárias.
Revelar gabarito e comentário▾
GabaritoB — Índice Gini usa um critério baseado em impureza para analisar as diferenças entre as distribuições de probabilidade dos valores dos atributos da classe (rótulos).
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”.
Árvores de Decisão: Critérios de Seleção de Atributos
Gabarito: letra B. O Índice Gini é um critério baseado em impureza que mede o grau de desordem das classes em uma partição. Ele compara as distribuições de probabilidade dos valores dos atributos da classe (rótulos), sendo amplamente utilizado em algoritmos como CART. As demais alternativas apresentam descrições incorretas ou inventadas sobre os critérios de seleção de atributos.
A questão cobra o conhecimento dos principais critérios de seleção de atributos usados na construção de árvores de decisão. Embora o ganho de informação e o ganho de proporção (gain ratio) sejam os mais clássicos, o Índice Gini é igualmente importante e muito presente em algoritmos como o CART (Classification and Regression Trees).
Alternativa A — ❌ Incorreta
Afirma que o "ganho de informação normaliza o critério de ganho de informação" e que deve ser usado para atributos de "ganho médio". Na verdade, o ganho de informação (Information Gain) é baseado em entropia e não normaliza a si mesmo — a normalização (penalização de atributos com muitos valores) é feita pelo Gain Ratio (razão de ganho). O termo "ganho de informação médio" não é um critério formal. Portanto, a descrição está equivocada.
Alternativa B — ✅ Correta ⟵ GABARITO
Descreve corretamente o Índice Gini: "usa um critério baseado em impureza para analisar as diferenças entre as distribuições de probabilidade dos valores dos atributos da classe (rótulos)". O Índice Gini calcula a impureza de um nó: , onde é a proporção de registros da classe no nó . Quanto menor o valor, mais puro o nó. É exatamente um critério que compara distribuições de classes.
Alternativa C — ❌ Incorreta
Menciona "DKM" como critério baseado em ângulo entre vetores. Esse não é um critério conhecido para seleção de atributos em árvores de decisão. Provavelmente é um distrator inventado pela banca para confundir. As principais métricas são: ganho de informação, razão de ganho, Gini e qui-quadrado (para classificação). DKM não aparece na literatura padrão de mineração de dados.
Alternativa D — ❌ Incorreta
Fala em "Raio de ganho" como um critério que usa entropia para medir impureza. Não existe "Raio de ganho" (Gain Radius) em nenhum algoritmo clássico. A menção à entropia lembra o ganho de informação, mas a expressão "raio" é estranha. Pode ser uma tentativa de confundir com Gain Ratio (razão de ganho), mas a descrição não corresponde a nenhum critério real.
Alternativa E — ❌ Incorreta
Cita "ORT" como critério baseado em impureza para atributos de classes binárias. ORT não é uma sigla conhecida em seleção de atributos. Algoritmos como CART usam o Índice Gini e funcionam tanto para binárias quanto multiclasses. Provavelmente é mais um distrator sem fundamento.