Questões sobre Data Mining

São corretos apenas os itens 2, 3 e 4.

ão corretos apenas os itens 2, 3 e 5.

São corretos apenas os itens 1, 2, 3 e 5.

São corretos apenas os itens 2, 3, 4 e 5.

São corretos os itens 1, 2, 3, 4 e 5.

A técnica de clustering em data mining utiliza os algoritmos ID3 e o C4.5. Esses algoritmos produzem árvores de decisão, o que permite gerar clusters de elementos que, por sua vez, geram mapeamento dos elementos em grupos predefinidos.

Utilizando-se a técnica dice em data mining, é possível descobrir regras do tipo basket data, em que cada tupla consiste em um conjunto de atributos binários chamados itens.

A técnica de associação em data mining verifica se há controle ou influência entre atributos ou valores de atributos, no intuito de verificar, mediante a análise de probabilidades condicionais, dependências entre esses atributos.

Data mining é o processo não trivial de identificar, em bases de dados, padrões válidos, novos e potencialmente úteis ao usuário. KDD (knowledge discovery in databases) é um processo dentro do data mining.

A técnica de classificação em data mining possibilita a definição de classes e o enquadramento de elementos em grupos de afinidades, por meio de avaliação de similaridade entre esses elementos.

o processo de desenvolvimento de soluções automáticas de acesso a informações úteis em depósitos de dados.

a transformação automática de dados existentes em grandes depósitos de dados em informações quantifi cáveis.

a automação da recuperação de informações caracterizadas por registros com grande quantidade de atributos.

a descoberta de relações signifi cativas entre dados e informações passíveis de atualização automática.

o processo de descoberta automática de informações úteis em grandes depósitos de dados.

Escalabilidade. Dimensionalidade moderada. Dados homogêneos. Propriedade e centralização dos dados.

Extensibilidade. Alta paridade. Dados complexos e heterogêneos. Concorrência e distribuição dos dados.

Escalabilidade. Alta dimensionalidade. Dados complexos e heterogêneos. Propriedade e distribuição de dados.

Escalabilidade. Dimensionalidade variável. Dados compatíveis e acoplados. Adequação da distribuição de dados.

Especialidade. Alta dimensionalidade de verifi cação. Dados complexos e complementares. Propriedade e consistência de dados.