Análise descritiva dos dados A análise descritiva de dados é uma segunda etapa do processo de mineração de dados. A primeira etapa está relacionada...

Análise descritiva dos dados
A análise descritiva de dados é uma segunda etapa do processo de mineração de dados. A primeira etapa está relacionada à preparação da base de dados, também denominada de pré-processamento. Antes de realizar qualquer análise em uma base de dados, é necessário prepará-la, devido às inconsistências e aos ruídos contidos na seleção de dados.
As etapas de preparação da base de dados para a análise seguem esta sequência: (1) definição do problema; (2) seleção dos dados brutos; (3) definição do algoritmo; (4) pré-processamento da base e aplicação do algoritmo ou aplicação do processo de análise descritiva. Após realizado o tratamento da base (pré-processamento), efetua-se a aplicação do algoritmo de mineração ou ainda a aplicação de uma análise descritiva. Segundo Castro e Ferrari (2016), o processo de análise descritiva de dados (ADD) é utilizado para descrever, simplificar ou sumarizar as principais características de uma base de dados, formando um princípio de análise quantitativa de dados.
É importante diferenciar análise descritiva de mineração de dados. A análise descritiva visa encontrar o que há nos dados (características), e os algoritmos de mineração conseguem realizar inferências a partir dos dados, ou seja, realizar um aprendizado. Por exemplo, uma análise descritiva de uma base de dados de exames de câncer de mama consistiria em encontrar características nos dados verificando a média da idade das mulheres que sofrem de câncer de mama. Já a mineração pode predizer se uma determinada pessoa terá ou não câncer a partir de determinadas características (CASTRO; FERRARI, 2016).
Por meio da distribuição de dados e de uma visualização por histograma, é possível encontrar, nos dados armazenados, características que não estão visíveis ou compreensíveis em uma base de dados ou planilha eletrônica. A análise descritiva de dados é um processo que, segundo Castro e Ferrari (2016), é dividido em três passos: (1) organização dos dados em distribuição de frequência; (2) visualização dos dados; e (3) cálculos das médias de frequência, variação e associação.
Para Castro e Ferrari (2016, p. 63), é útil organizar e resumir os dados a partir da construção de uma tabela que lista os valores dos atributos de maneira individual ou agrupada. Também devem ser incluídas as frequências correspondentes (distribuição de frequências), que representam o número de vezes que os v