Baixe o app para aproveitar ainda mais
Prévia do material em texto
____________________________________PROF WASHINGTON_____________________________INFORMÁTICA __________________________________________________________________________________________________________________________ AUTORIA: PROF. WASHINGTON LUIS – INFORMÁTICA PARA CONCURSOS – wasfloripa@hotmail.com 7 MATERIAL EXCLUSIVO PD Os objetivos servem para : IDENTIFICAR PROBLEMAS (Fraude) E DESCOBRIR OPORTUNIDADES ( MARKETING) Exemplo de mineração na navegação do dia a dia: 1) Concurseiro clicou em um curso e agora toda hora aparece para você vários cursos de várias escolas! 2) Quando você recebe um email de coisas que você na verdade estava procurando. 3) Com base no seu clique em um loja online, essas informações são gravadas e cria-se padrões para que a empresa possa trabalhar seus métodos de marketing por exemplo e enviar mailing segmentados e direcionados ao público alvo. 4) Outro exemplo são os LEADS ( formulários de pesquisa na web) que podem ser usados para mineração de dados. Programas ou Softwares usados para Mineração de dados: Os primeiros softwares para mineração de dados começaram a ser desenvolvidos em meados da década de 90, ainda em ambiente acadêmico. Hoje em dia já existem algumas dezenas de ferramentas comerciais para data mining, desenvolvidas por empresas como 1) SAS (Enterprise Miner) 2) IBM (Intelligent Miner) 3) SPSS (Clementine). Além disso, diversos recursos para mineração de dados encontram-se disponibilizados nas versões mais recentes dos SGBD’s ( SISTEMA DE GERENCIAMENTO DE BANCO DE DADOS) : 1) Oracle 2) SQL Server. ESTATÍSTICA NA MINERAÇÃO: Importante frisar que a mineração usa a estatística e é importante você ler um pouco sobre métodos estatístico para compreender melhor o processo de mineração. TÉCNICAS / REGRAS DE MINERAÇÃO DE DADOS: Existem diversas técnicas que podemos usar para minerar dados e obter o que se deseja. Memorize estas técnicas pois são solicitadas em concursos vamos a elas : FORMAS DE ANÁLISE USADAS NAS TÉCNICAS • Análise Preditiva: Envolve usar valores conhecidos para PREDIZER/PREVER Valores no futuro. Exemplo: Autorização do cartão de crédito e limite para a pessoa. A Previsão deve usar atributos conhecidos da pessoa: Idade, sexo, renda, débitos, histórico de pagamentos. • Análise Descritiva: Concentra em encontrar padrões que descrevem dados de forma compreensível. Não vai aqui predizer algo e sim fazer uma descrição de algo que já tenha na base de forma compreensível Exemplo: Produtos que são comprados juntos, ou efeitos colaterais do remédio escolhido pelo paciente, isso tudo estará na base de forma desordenada e a Análise descritiva irá reorganizar e mostrar. TÉCNICAS OU REGRAS DE MINERAÇÃO: • Regra da Classificação ( Preditiva - Supervisionado) • Regra da Regressão ( Preditiva ) • Clusterização ou Agrupamentos ( Descritiva ) • Associação ( Descritiva ) Vamos falar agora das mais pedidas em concursos! REGRA DA CLASSIFICAÇÃO: DETERMINA EM QUAL CLASSE UM CONJUNTO DE DADOS PERTENCE! Características importantes para você lembrar desta regra: • Preditiva: Ela prevê algo no futuro • Já existem classes pré-definidas ou seja eu digo quais animais são mamíferos e quais são répteis e o algoritmo irá fazer a distribuição. • Aprendizado Supervisionado: Ou seja precisa de um usuário final para ensinar o algoritmo. Utilizada para recuperar sobre informações importantes sobre dados e metadados e classifica os itens em diferentes classes. Vários algorítimos são aplicados na tarefa de classificação, mas os que mais se destacam são as Redes Neurais Exemplo: Classificar um cogumelo como sendo venenoso ou não, reconhecimento de caracteres , estudantes pela análise facial. Continua no próximo material Galera! Prof. Washington mailto:wasfloripa@hotmail.com
Compartilhar