Os algoritmos de Mineração de Dados podem ser classificados ...

a) Algoritmos de agrupamento podem ser utilizados para classificação não supervisionada.

Correta, gabarito da questão;

.

b) Algoritmos de agrupamento são também chamados de algoritmos (não) supervisionados.

Incorreta

.

c) Algoritmos de classificação têm como resultado um modelo descritivo dos dados de entrada.

Incorreta, algoritmos de classificação seguem o modelo preditivo;

.

d) Algoritmos de identificação de regras são também conhecidos como algoritmos preditivos.

Incorreta, Identificação de regras, ou regras de associação, segue o modelo descritivo;

.

e) Algoritmos de agrupamento são equivalentes a algoritmos de identificação de anomalias.

Incorreta, aqui o examinador fez um mixes de conceitos; Identificação de anomalias é do modelo preditivo, para identificar outliers, por sua vez, algoritmo de agrupamento - clustering- segue o modelo Descritivo para encontrar propriedades comuns em certos elementos;

Supervisionado = classificação --> preditivo --> algoritmo ID3, por exemplo

Não supervisionado = clusterização (agrupamento) --> descritivo

Aprendizado:

Supervisionado: Classificação e Regressão Linear.

Não supervisionado: Sumarização, Agrupamento (clustering) e Associação.

Alternativa correta: A - Algoritmos de agrupamento podem ser utilizados para classificação não supervisionada.

Para entendermos o motivo desta ser a alternativa correta, vamos explorar um pouco sobre os algoritmos de Mineração de Dados e o conceito de aprendizado supervisionado e não supervisionado:

Na Mineração de Dados, utilizamos algoritmos para descobrir padrões e obter conhecimento a partir de grandes volumes de dados. Esses algoritmos são categorizados com base no objetivo que desejamos alcançar:

• Classificação: Está associada ao aprendizado supervisionado, onde o algoritmo aprende a partir de um conjunto de dados previamente classificado (ou etiquetado), e o objetivo é prever a classe ou categoria de novas observações.
• Agrupamento (ou clustering): Faz parte do aprendizado não supervisionado. Os dados não são previamente etiquetados, e o algoritmo tenta agrupar as observações com base na similaridade entre elas, sem qualquer conhecimento prévio. Isso é útil, por exemplo, para identificar grupos naturalmente distintos dentro dos dados.
• Regras de associação: Utilizados para identificar relações interessantes entre variáveis em grandes bases de dados.

Com base nisso, a alternativa A está correta porque os algoritmos de agrupamento são um exemplo típico de aprendizado não supervisionado, onde o objetivo é descobrir a estrutura inerente dos dados sem usar etiquetas. Eles não são usados para prever a saída, mas para identificar subgrupos ou clusters nos dados. Portanto, eles são usados em classificação não supervisionada, onde não há uma classificação ou etiquetas previamente definidas.

É importante também entender o porquê das outras alternativas serem incorretas:

• Algoritmos de agrupamento não são supervisionados, então a alternativa B é incorreta.
• Algoritmos de classificação têm como resultado um modelo preditivo e não apenas descritivo, portanto a alternativa C é incorreta.
• Algoritmos de identificação de regras de associação não são necessariamente preditivos, eles são mais usados para encontrar padrões frequentes ou associações, fazendo a alternativa D ser incorreta.
• Agrupamento e identificação de anomalias são dois processos distintos em mineração de dados. Enquanto o agrupamento busca encontrar grupos com características similares, a identificação de anomalias foca em detectar dados que se desviam de um padrão, logo a alternativa E também não é correta.