Questão de Banco de Dados — Catálogo de um banco de dados — FUNDATEC 2023
Banco de Dados›Catálogo de um banco de dados
Código
qq897088
Banca
FUNDATEC
Órgão
PROCERGS
Ano
2023
Nível
Superior
Cargo
ANC - Analista em Computação - Ênfase em Ciências de Dados
Qual é a técnica que pode ser utilizada para sugerir que aqueles clientes que compraram o produto A também compraram o produto B, ou que aqueles clientes que compraram os produtos A, B e C são mais similares que os clientes que compraram o produto A?
ARegras de Associação.
BAgrupamento.
CRegressão Linear.
DRegressão Logística.
EÁrvores de Decisão.
Revelar gabarito e comentário▾
GabaritoA — Regras de Associação.
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”.
Regras de Associação
Gabarito: letra A. A técnica descrita — sugerir que clientes que compraram o produto A também compraram o produto B, ou que clientes que compraram A, B e C são mais similares — é a definição clássica de regras de associação, usada em mineração de dados para encontrar relações entre itens em transações (market basket analysis). As demais alternativas (agrupamento, regressão linear, regressão logística, árvores de decisão) não se prestam a esse tipo de análise de co-ocorrência.
Técnicas de Mineração de Dados: Regras de Associação ("Se A, então B" (co-ocorrência), Métricas: suporte, confiança, lift, Exemplo: análise de cesta de compras); Agrupamento (Clustering) (Agrupa por similaridade, Não gera regras "se A então B"); Regressão Linear (Variável dependente contínua, Não se aplica a associações entre itens); Regressão Logística (Classificação binária (supervisionado), Não é mineração de padrões frequentes); Árvores de Decisão (Particiona por atributos, Não encontra co-ocorrência entre itens)
Alternativa A — ✅ Correta ⟵ GABARITO
Regras de associação são projetadas exatamente para descobrir padrões do tipo "se um cliente compra A, também compra B", medindo suporte, confiança e lift. Exemplo clássico: análise de cesta de compras.
Alternativa B — ❌ Incorreta
Agrupamento (clustering) agrupa itens ou clientes por similaridade, mas não gera regras do tipo "se A então B". Ele identifica grupos, não associações diretas entre itens.
Alternativa C — ❌ Incorreta
Regressão linear modela a relação entre uma variável dependente contínua e uma ou mais independentes. Não se aplica a associações entre itens (não há variável contínua a prever).
Alternativa D — ❌ Incorreta
Regressão logística é usada para classificação binária (probabilidade de um evento). Apesar de poder prever se um cliente compra B dado que comprou A, ela não gera regras de associação no sentido de mineração de padrões frequentes; é um modelo preditivo supervisionado, diferente da abordagem não supervisionada das regras de associação.
Alternativa E — ❌ Incorreta
Árvores de decisão são modelos de classificação ou regressão que particionam os dados com base em atributos. Não são usadas para encontrar relações de co-ocorrência entre itens; produzem regras de decisão, mas não associações entre itens comprados conjuntamente.