Em um processo de análise de Big Data, um profissional de T...

O tema central da questão trata da redução de dimensionalidade no contexto de análise de Big Data. Em cenários onde há um grande número de atributos (ou colunas), é comum que o processamento e a análise fiquem comprometidos devido ao excesso de dimensões. Conhecimentos em técnicas de redução de dimensionalidade são essenciais para lidar com esse tipo de problema de forma eficiente.

A alternativa correta é a Alternativa B - análise de componentes principais.

Justificativa da alternativa correta (B): A análise de componentes principais (PCA) é uma técnica estatística utilizada para reduzir a dimensionalidade de um conjunto de dados, transformando um grande conjunto de variáveis em um conjunto menor que ainda contém a maior parte da informação do original. Isso é feito através de uma transformação linear que busca maximizar a variância dos dados ao longo dos novos eixos.

Por que as outras alternativas estão incorretas:

A - Amostragem aleatória: Essa técnica é utilizada para selecionar uma amostra representativa de um conjunto de dados maior, mas não é eficaz para reduzir o número de atributos ou colunas em um conjunto de dados. A amostragem lida mais com a quantidade de linhas (ou registros), não com a redução da dimensionalidade.

C - Amostragem estratificada: Semelhante à amostragem aleatória, essa técnica é usada para obter amostras que refletem melhor a população, garantindo que subgrupos dentro da população sejam representados. Contudo, assim como a anterior, não reduz o número de atributos ou colunas.

D - Imputação: Refere-se ao processo de substituição de valores ausentes nos dados, preenchendo-os com estimativas. A imputação não tem relação com a redução de dimensionalidade, pois seu foco é lidar com dados ausentes, não com o número de colunas.

Em suma, a única técnica entre as opções apresentadas que diretamente reduz a dimensionalidade, mantendo a qualidade informacional, é a análise de componentes principais.

Gostou do comentário? Deixe sua avaliação aqui embaixo!