A Mineração de Dados (DM – Data Mining) é uma das etapas da ...

Gabarito: Letra A - Medidas de interesse.

A questão em foco aborda o conceito de Medidas de interesse dentro do processo de Mineração de Dados (Data Mining), que é uma etapa crucial do KDD (Knowledge Discovery in Databases). O KDD é o processo completo que envolve a extração de conhecimentos úteis de grandes volumes de dados. A Mineração de Dados é a etapa onde efetivamente ocorre a extração de padrões que podem ser considerados conhecimentos.

O trecho da questão ressalta a importância das Medidas de interesse tanto para ordenar ou filtrar os padrões descobertos pós-mineração quanto para direcionar a própria busca durante a mineração, otimizando o processo ao descartar padrões que não atendem a critérios predeterminados.

As Medidas de interesse são critérios que ajudam a determinar quão valiosos ou relevantes são os padrões encontrados. Por exemplo, em uma base de dados de vendas, uma medida de interesse poderia ser a frequência com que produtos são comprados juntos. Esta medida pode ajudar a filtrar padrões de compra irrelevantes e destacar aqueles que são de fato interessantes para a empresa.

Essa filtragem e ordenação são essenciais para que os usuários finais, como analistas e gestores de negócios, possam efetivamente tirar proveito dos insights gerados pela mineração. Ao mesmo tempo, guiar a busca por meio dessas medidas evita o gasto de recursos computacionais com padrões que não terão utilidade prática.

A alternativa correta é a letra A - Medidas de interesse, pois ela se alinha perfeitamente com a definição dada no enunciado, destacando sua aplicação em duas fases distintas do processo de KDD: a pós-mineração e a própria mineração. A opção correta enfatiza a relevância de identificar e usar essas medidas para aprimorar tanto a eficácia quanto a eficiência do processo de descoberta de conhecimento em bases de dados.

Questão retirada do livro "Data Mining, Conceitos, técnicas, algoritmos, orientações e aplicações" (ver em https://books.google.com.br/books?id=HN6sCQAAQBAJ&lpg=PP1&hl=pt-BR&pg=PP1#v=onepage&q&f=false ). Trata-se das medidas de interesse.

Acertei a questão pelo "português". A alternativa "A" (Medidas de interesse) é a única opção que concorda com o trecho “podem ser usadas após a etapa de Mineração de Dados..."

As medidas de interesse podem ser usadas...

A) Medidas de interesse. são usadas para avaliar a importância ou a relevância dos padrões descobertos durante a mineração de dados. Elas ajudam a ordenar, filtrar e classificar os padrões de acordo com o grau de interesse associado a esses padrões. Além disso, essas medidas podem ser usadas para restringir ou guiar o espaço de busca de mineração de dados, tornando o processo mais eficiente ao eliminar padrões que não atendem a condições predeterminadas.

B) Aprendizado indutivo: O aprendizado indutivo refere-se ao processo de inferir generalizações a partir de exemplos específicos. É uma abordagem para construir modelos de previsão ou classificação baseados em dados de treinamento. Embora relevante para mineração de dados, não está diretamente relacionado ao conceito de filtrar ou ordenar padrões de acordo com medidas de interesse.

C) Similaridade e distância: Este conceito refere-se a métodos para medir a semelhança ou a diferença entre dados ou padrões. Embora importante para algumas técnicas de mineração de dados, como clustering, não está diretamente relacionado ao processo de avaliar e filtrar padrões descobertos com base em medidas de interesse.

D) Representação do conhecimento: Refere-se à forma como os resultados da mineração de dados são apresentados e interpretados. Esta etapa envolve a visualização e a comunicação dos padrões descobertos, mas não está diretamente envolvida na filtragem ou na eficiência da busca durante a mineração de dados.