Com relação a data warehouse e data mining, julgue o item su...

Alternativa correta: E - Errado

Data mining, ou mineração de dados, refere-se ao processo de descobrir padrões e conhecimento em grandes conjuntos de dados. A análise de data mining por padrão sequencial é uma técnica que busca encontrar sequências recorrentes ou frequentes em dados que estão dispostos ao longo do tempo. Entretanto, nem sempre essas sequências representam uma relação de causa e consequência, e nem sempre os eventos precisam ocorrer em momentos adjacentes.

Em outras palavras, a técnica pode identificar que certos eventos tendem a ocorrer em sequência, mas isso não significa que haja uma causalidade direta, onde um evento causa o outro, e também não necessita que esses eventos sejam imediatos um após o outro. A relação entre eventos pode ser mais complexa, envolvendo atrasos ou a presença de outros fatores intermediários.

Por exemplo, em um conjunto de dados de compras de supermercado, pode-se descobrir que a compra de fraldas muitas vezes é seguida pela compra de cerveja. No entanto, isso não significa que a compra de fraldas causa a compra de cerveja, nem que essas compras sempre acontecem de forma adjacente — poderia haver outras compras entre elas.

A mineração de padrões sequenciais é útil para entender a ordenação de eventos, mas requer uma análise mais cuidadosa para estabelecer uma ligação de causa e efeito verdadeira. Portanto, o item está errado ao afirmar que sempre ocorre causa e consequência em momentos adjacentes.

data mining: nem sempre haverá causa e consequência em DM.

A análise de data mining por padrão sequencial visa à identificação de fatos que geram outros fatos, sempre ocorrendo causa e consequência em momentos adjacentes.

Gab: ERRADO

Acredito que não é sempre que pode ocorrer causa e consequência e não precisa ser necessariamente em momentos adjacentes.

O objetivo dos padrões sequenciais é descobrir as sequências frequentes de itemsets, ordenados no tempo, em que cada itemset corresponde a um conjunto de itens adquiridos, é expressado na forma < I1, . . . , In >

Por exemplo: a sequência de { (CARRO), (PNEU e CD-PLAYER)} representa clientes que compraram carro, tempos depois compram pneu e CD-player. "ideia sequencial"

Qualquer erro, avise.

Direto e reto, Data Mining não é sequencial!!

Discordo de alguns comentários.

A mineração de dados utiliza da técnica de Associação de Padrões Sequenciais, pela qual descobre padrões sequenciais de eventos de forma equivalente. No entanto, o erro da questão é a afirmação "sempre ocorrendo causa e consequência em momentos adjacentes".

A ideia não é de consequência, e sim de sequência, como bem explicou o colega:

"Por exemplo: a sequência de {(CARRO), (PNEU e CD-PLAYER)} representa clientes que compraram carro, tempos depois compram pneu e CD-player." Não necessariamente compraram pneu e cd-player por terem comprado carro, e vice-versa. Apenas compraram isso em sequência.

Adjacente, no contexto em questão, significa próximo. Nem sempre a consequência está próxima da causa.