Baixe o app para aproveitar ainda mais
Prévia do material em texto
11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 1/11 AO2 Iniciado: 11 dez em 16:44 Instruções do teste Importante: Caso você esteja realizando a atividade através do aplicativo "Canvas Student", é necessário que você clique em "FAZER O QUESTIONÁRIO", no final da página. 0,6 ptsPergunta 1 Leia o texto a seguir: “As funcionalidades da mineração de dados são usadas para especificar os tipos de informações a serem obtidas nas tarefas de mineração. [...] Em muitos casos, o usuário não tem ideia do tipo de conhecimento contido nos dados ou como usá-lo para gerar modelos preditivos, [...]” Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 7. Considere as seguintes descrições a respeito das tarefas de Mineração de Dados: I. A análise descritiva tem por objetivo medir, explorar e descrever características intrínsecas aos dados. II. A predição tem por objetivo produzir modelos para avaliar a classe ou valor de um objeto rotulado. III. A análise de grupos tem por objetivo separar um conjunto de objetos em grupos, a partir da aprendizagem supervisionada. IV. A associação tem por objetivo encontrar relações entre os atributos em uma base de dados transacional. É correto o que se afirma apenas em: A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 2/11 I e II, apenas. III e IV, apenas. II e III, apenas. I e III, apenas. I e IV, apenas. 0,6 ptsPergunta 2 Leia o texto a seguir: “O valor de um atributo de um dado objeto é uma medida da quantidade daquele atributo, a qual pode ser numérica ou categórica. Os atributos numéricos podem assumir quaisquer valores numéricos [...] ao passo que as quantidades categóricas assumem valores correspondentes a símbolos distintos.” Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 30. Avalie as seguintes asserções e a relação proposta entre elas. I. Os atributos numéricos discretos têm seus valores obtidos a partir de processos de medição e os atributos contínuos têm seus valores obtidos a partir de processos de contagem. PORQUE II. Os valores numéricos discretos pertencem ao conjunto dos números naturais e os valores numéricos contínuos pertencem ao conjunto dos números reais. A respeito dessas asserções, assinale a opção correta: A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 3/11 As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. As asserções I e II são ambas proposições falsas. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 0,6 ptsPergunta 3 Leia o texto abaixo: Muitos problemas práticos possuem registros históricos relacionando situações específicas com determinados resultados. Por exemplo, administradoras de cartões de crédito possuem registros de transações passadas e a informação de se foram fraudulentas ou não; financeiras possuem cadastros de clientes que pediram empréstimo associados às formas e condições de pagamento (e até inadimplências); empresas possuem registros de funcionários com seu perfil e desempenho no trabalho; entre muitos outros exemplos. Quando cada registro possui um rótulo de classe ou um valor de saída associado que representa o resultado histórico de registros passados, o objetivo da análise é, quase invariavelmente, construir um modelo que possa ser usado para predizer qual seria essa saída para novos registros, ou seja, registros cuja classe ou valor de saída são desconhecidos. Para os mesmos exemplos citados anteriormente, a operadora de cartões de crédito precisa de um modelo que seja capaz de identificar se uma transação corrente é fraudulenta ou não; as financeiras querem saber se devem ou não conceder um empréstimo solicitado e qual o valor do empréstimo a ser concedido; e as empresas desejam saber de antemão o desempenho de um funcionário que será contratado, de acordo com seu perfil. Fonte: DE CASTRO, L. N. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. Qual das técnicas a seguir deve ser utilizada se uma operadora de cartões de crédito precisa identificar se uma transação corrente é fraudulenta ou não? A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 4/11 Classificação. Estimativa. Associação. Detecção de desvio. Agrupamento. 0,6 ptsPergunta 4 Leia o texto a seguir: “Essas funções são baseadas em critérios que avaliam o quão bom cada atributo é no papel de dividir o conjunto de dados, considerando a distribuição de classes presentes no conjunto. [...] O índice Gini usa um critério baseado em impureza para analisar as diferenças entre as distribuições de probabilidade dos valores dos atributos de classe.” Fonte: DA SILVA, L. A.; PERES, S. M.; BOSCARIOLI, C. Introdução à Mineração de Dados Com aplicações em R. Rio de Janeiro: Elsevier, 2016. p. 104. Avalie as seguintes asserções e a relação proposta entre elas. I. A escolha de um atributo para dividir um conjunto de dados pode ser feita com a utilização do índice Gini, quanto menor for o valor calculado mais puras serão as partições; PORQUE II. O índice Gini calcula a proporção de classes diferentes em uma partição e quanto maior for a heterogeneidade da partição, tanto maior será o valor do índice. A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 5/11 A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. As asserções I e II são ambas proposições falsas. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. A respeito dessas asserções, assinale a opção correta: 0,6 ptsPergunta 5 Considere a seguinte distribuição conjunta de probabilidade: Fonte: LORENA, A. C., FARIA, F. A. Representação do Conhecimento – Lidando com incerteza. Notas de aula. UNIFESP (São Paulo), 2015. Avalie as seguintes afirmações a respeito da distribuição de probabilidade anterior. I. P(cárie) = 0,25; II. P(cárie ˅ dor de dente) = 0,28; III. P(cárie | dor de dente) = 0,60; IV. P(extração) = 0,4. É correto o que se afirma apenas em: A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 6/11 I e III, apenas. II e III, apenas. III e IV, apenas. II e IV, apenas. I e II, apenas. 0,6 ptsPergunta 6 a análise descritiva, o agrupamento e a predição dos dados. a transformação, a mineração e a avaliação dos dados. o agrupamento e a associação dos dados. a limpeza, a integração, a seleção ou redução e a transformação dos dados. a análise descritiva, a associação e a detecção de anomalias nos dados. Leia o texto abaixo: A mineração de dados é parte integrante de um processo mais amplo, conhecido como descoberta de conhecimento em bases de dados (knowledge discovery in databases, ou KDD) [...] A preparação ou pré-processamento de dados é uma das partes principais do KKD, e correspondem as etapas anteriores à mineração que visam preparar os dados para uma análise eficiente e eficaz. (Fonte: DE CASTRO, L. N. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016.) A preparação ou pré-processamento de dados inclui 0,6 ptsPergunta 7 A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take7/11 A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. As asserções I e II são ambas proposições falsas. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. Leia o texto a seguir: “A análise de grupos pode ser aplicada em diversas áreas do conhecimento, por exemplo, na medicina, para a identificação de categorias de diagnósticos, pacientes e remédios; na biologia, para propor uma taxonomia de animais e plantas; na agricultura, para categorizar plantas, solos e frutos em diferentes tipos; [...] e muitas outras.” Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 89. Avalie as seguintes asserções e a relação proposta entre elas. I. Na classificação, os objetos considerados são identificados, previamente, com seus respectivos rótulos que definem sua pertinência à classe. PORQUE II. No agrupamento, o problema consiste em segmentar uma base de dados não rotulada em grupos que tenham algum significado ou utilidade prática. A respeito dessas asserções, assinale a opção correta: 0,6 ptsPergunta 8 A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 8/11 A escolha do atributo que dividirá o conjunto de dados é feita a partir de medidas de pureza. A divisão das partições na árvore de decisão deve ser realizada até que haja nós folha unitários. Uma árvore de decisão particionará um conjunto em duas partições por nível, produzindo uma árvore binária. O algoritmo que induz uma árvore de decisão produzirá o mesmo resultado a partir do mesmo conjunto de dados. O objetivo principal para cada divisão feita na árvore de decisão é a obtenção partições heterogêneas. Leia o texto a seguir: “Uma árvore de decisão é uma estrutura em forma de árvore na qual cada nó interno corresponde a um teste de um atributo, cada ramo representa um resultado do teste e os nós folhas representam classes ou distribuições de classes. O nó mais elevado da árvore é conhecido como nó raiz, e cada caminho da raiz até um nó folha corresponde a uma regra de classificação.” Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 170. Qual alternativa descreve, corretamente, uma característica da árvore de decisão. 0,6 ptsPergunta 9 Leia o texto a seguir: “O algoritmo k-médias toma como entrada o parâmetro k, correspondente ao número de grupos desejados, e particiona o conjunto de n objetos em k grupos, de forma que a similaridade intragrupo seja alta e a similaridade intergrupo seja baixa. A similaridade intragrupo é avaliada considerando o valor médio dos A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 9/11 I e IV, apenas. I e III, apenas. I e II, apenas. III e IV, apenas. II e III, apenas. objetos em um grupo, que pode ser visto como o seu centro de gravidade ou centroide.” Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 116. Considere as seguintes descrições a respeito da tarefa de agrupamento, mais especificamente ao algoritmo k-médias. I. A detecção de agrupamentos é uma tarefa de aprendizado preditiva também conhecida como clustering. Nesse caso, as técnicas utilizadas são, comumente, relativas ao aprendizado supervisionado, ou seja, o conjunto de dados não possui rótulos e o aprendizado usa apenas os atributos preditivos; II. Os algoritmos para tarefas preditivas produzem modelos a partir de um processo de treinamento que utiliza todo o conjunto de dados disponível. O objetivo é organizar os dados rotulados em grupos de acordo com uma medida de similaridade ou correlação; III. Um grupo é um conjunto de objetos similares (homogêneos) e os objetos que pertencem a grupos diferentes são não similares (heterogêneos). O principal objetivo do agrupamento é maximizar a homogeneidade interna nos grupos e a heterogeneidade entre os grupos. IV. Dependendo do atributo selecionado, poderemos ter diferentes grupos. Nesse contexto, a detecção de agrupamentos poderá resultar em diferentes quantidades de grupos e em composições, também diferentes, para cada grupo obtido. É correto apenas o que se afirma em: A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 10/11 0,6 ptsPergunta 10 A limpeza cuida de permitir que métodos que trabalham apenas com atributos nominais possam ser empregados. A integração cuida da diminuição da base de dados. A redução cuida da união de múltiplas fontes de dados. A transformação cuida da padronização do formato dos dados. A discretização cuida da atribuição de valores ausentes, da remoção de ruídos e de corrigir inconsistências. A limpeza cuida da diminuição da base de dados. A integração cuida da padronização do formato dos dados. A redução cuida da união de múltiplas fontes de dados. A transformação cuida de permitir que métodos que trabalham apenas com atributos nominais possam ser empregados. A discretização cuida da atribuição de valores ausentes, da remoção de ruídos e de corrigir inconsistências. A limpeza cuida de permitir que métodos que trabalham apenas com atributos nominais possam ser empregados. A integração cuida da união de múltiplas fontes de dados. A redução cuida da diminuição da base de dados. A transformação cuida da padronização do formato dos dados. A discretização cuida da atribuição de valores ausentes, da remoção de ruídos e de corrigir inconsistências. A limpeza cuida da padronização do formato dos dados. A integração cuida da diminuição da base de dados. A redução cuida da união de múltiplas fontes de dados. A transformação cuida de permitir que métodos que trabalham apenas com atributos nominais possam ser empregados. A discretização cuida da atribuição de valores ausentes, da remoção de ruídos e de corrigir inconsistências. Leia o texto a seguir: “O pré-processamento, também conhecido como preparação da base de dados, manipula e transforma os dados brutos de maneira que o conhecimento neles contido possa ser mais fácil e corretamente obtido. A melhor maneira de se pré- processar os dados depende de três fatores centrais: os problemas existentes na base, quais respostas pretende-se obter e como funcionam as técnicas de mineração.” Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 34. Qual alternativa descreve corretamente as principais tarefas de pré- processamento? A+ A A- 11/12/2022 16:50 Teste: AO2 https://famonline.instructure.com/courses/24168/quizzes/108273/take 11/11 Salvo em 16:50 A limpeza cuida da atribuição de valores ausentes, da remoção de ruídos e de corrigir inconsistências. A integração cuida da união de múltiplas fontes de dados. A redução cuida da diminuição da base de dados. A transformação cuida da padronização do formato dos dados. A discretização cuida de permitir que métodos que trabalham apenas com atributos nominais possam ser empregados. Enviar teste A+ A A-
Compartilhar