4 Data Mining.

Aula 04 – Data Mining
Curso: TI para Área Fiscal

Professor: Ramon Souza
Teoria e Questões comentadas
Prof. Ramon Souza
Aula 04 – Data Mining
ASSUNTOS PÁGINA
1. NOÇÕES DE MINERAÇÃO DE DADOS .............................................. 3

2. MODELO DE REFERÊNCIA CRISP-DM .............................................. 8
3. TÉCNICAS PARA PRÉ-PROCESSAMENTO DE DADOS ....................... 13
4. TÉCNICAS E TAREFAS DE MINERAÇÃO DE DADOS ......................... 19
4.1 Classificação ................................................................................... 23
4.2 Regras de associação ....................................................................... 26
4.3 Análise de agrupamentos (clusterização) ............................................ 29
5. DETECÇÃO DE ANOMALIAS ......................................................... 32
6. MODELAGEM PREDITIVA ............................................................ 33
7. APRENDIZADO DE MÁQUINA ....................................................... 33
8. MINERAÇÃO DE TEXTO ............................................................... 34
9. QUESTÕES COMENTADAS ........................................................... 36
10. RISCO EXPONENCIAL ................................................................. 64
11. LISTAS DE EXERCÍCIOS ............................................................. 70
12. GABARITO ................................................................................ 86
13. REFERÊNCIAS ........................................................................... 86
Para facilitar sua referência, abaixo listamos as esquematizações desta aula:

Esquema 1 – Mineração de dados. .................................................................................... 4
Esquema 2 – Características da mineração de dados. .......................................................... 5
Esquema 3 – Objetivos da mineração de dados. ................................................................. 6
Esquema 4 – CRISP-DM. ................................................................................................. 11
Esquema 5 – Técnicas de pré-processamento (Navathe). .................................................... 14
Esquema 6 – Técnicas de pré-processamento (CRISP-DM). ................................................. 15
Esquema 7 – Técnicas ou tarefas de mineração. ................................................................ 21
Esquema 8 – Classificação. ............................................................................................. 25
Esquema 9 – Associação. ................................................................................................ 28
Esquema 10 – Agrupamentos (clusterização). ................................................................... 31
Esquema 11 – Mineração de texto. ................................................................................... 35
Prof. Ramon Souza 2 de 86

www.exponencialconcursos.com.br
Prof. Ramon Souza
1. NOÇÕES DE MINERAÇÃO DE DADOS

A grande quantidade de dados gerada pelas organizações requer
mecanismos mais voltados para auxiliar a tomada de decisões. Os gestores
precisam analisar essa grande “massa” de dados e identificar padrões, regras,
tendências e comportamentos excepcionais para que possam tomar decisões e
agir para otimizar os negócios. Dada esta quantidade de dados crescente, o que
torna inviável a análise humana e manual, a mineração de dados (data
mining) é utilizada para auxiliar nessas análises.
A mineração de dados (data mining) refere-se à mineração ou
descoberta de novas informações em termos de padrões ou regras com
base em grandes quantidades de dados. Dito de outro modo, o termo
mineração de dados foi originalmente usado para descrever o processo pelo
qual os padrões anteriormente desconhecidos em dados são
descobertos.
Tecnicamente falando, a mineração de dados é um processo que
utiliza técnicas de estatística, matemática e inteligência artificial para
extrair e identificar informações úteis e subsequentes conhecimentos
(ou padrões) em grandes conjuntos de dados.
Em outro conceito, a mineração de dados é entendida como o
processo não trivial de identificar padrões válidos, novos,
potencialmente úteis e, em última instância, compreensíveis em dados
armazenados em bancos de dados estruturados.
Os termos extração de conhecimento, análise de padrões,
arqueologia de dados, busca de padrões ou dragagem de dados podem
ser usados como sinônimos para mineração de dados.
É importante destacar que a mineração de dados pode ser utilizada
junto com um data warehouse para ajudar com certos tipos de decisões. Porém,
não está restrita a um DW, podendo ser aplicada também a bancos de dados
operacionais com transações individuais. Alguns recursos de mineração são
fornecidos por SGBDs relacionais, mas de forma limitada.
A mineração de dados não é uma nova disciplina, mas sim uma nova
definição para o uso de muitas disciplinas. A mineração de dados está bem
posicionada na interseção de muitas disciplinas, incluindo estatística,
inteligência artificial, aprendizado de máquinas, ciência de gestão,
sistemas de informação e bancos de dados. Usando avanços em todas
essas disciplinas, a mineração de dados se esforça para avançar na extração de
informações e conhecimentos úteis de grandes bancos de dados. É um campo
emergente que atraiu muita atenção em pouco tempo.

Prof. Ramon Souza
A mineração de dados é amplamente utilizada em diversos ramos.

Os dados gerados pela Internet estão aumentando rapidamente em volume e
complexidade. Grandes quantidades de dados genômicos estão sendo
gerados e acumulados em todo o mundo. Disciplinas como a astronomia e a
física nuclear criam enormes quantidades de dados regularmente.
Pesquisadores médicos e farmacêuticos constantemente geram e
armazenam dados que podem ser usados em aplicativos de mineração de dados
para identificar melhores maneiras de diagnosticar e tratar com precisão
doenças e descobrir novos e melhores medicamentos.
Do lado comercial, talvez o uso mais comum da mineração de dados
tenha sido nos setores de finanças, varejo, marketing, manufatura e
saúde. A mineração de dados é usada para detectar e reduzir atividades
fraudulentas; para identificar os padrões de compra dos clientes; para identificar
clientes rentáveis; para segmentar clientes; identificar regras de negociação a
partir de dados históricos; e para auxiliar no aumento da rentabilidade usando
a análise da cesta de mercado.
Uma organização que efetivamente aproveita as ferramentas e
tecnologias de mineração de dados pode adquirir e manter uma vantagem
competitiva estratégica. A mineração de dados oferece às organizações um
ambiente indispensável para melhorar a decisão de forma a explorar novas
oportunidades pela transformação dos dados em uma arma estratégica.
Vamos fixar o apreendido até aqui com um esqueminha!
Processo não trivial de identificar

Descoberta de novas
padrões válidos, novos,
informações em termos de
potencialmente úteis e
padrões ou regras.
compreensíveis.
Mineração de
dados
Não é uma nova disciplina, mas
(Extração de Utiliza técnicas de estatística, uma interseção de muitas
conhecimento, análise matemática e inteligência (estatística, inteligência artificial, aprendizado
de padrões, arqueologia artificial. de máquinas, ciência de gestão, sistemas de
de dados, busca de informação e bancos de dados).
padrões ou dragagem
de dados)
Pesquisas.
Finanças, varejo, marketing,
Amplamente utilizada em
manufatura e saúde.
diversos ramos
Vantagem competitiva
estratégica.
Esquema 1 – Mineração de dados.

Prof. Ramon Souza
As principais características da mineração de dados são:

❖ Os dados são frequentemente dispostos em bancos de dados muito
grandes, que às vezes contêm dados de vários anos. Em muitos
casos, os dados são limpos e consolidados em um data warehouse.
❖ O ambiente de mineração de dados geralmente é uma arquitetura
cliente/servidor ou uma baseada na Web.
❖ Novas ferramentas sofisticadas ajudam a recuperar informações de
arquivos corporativos e registros públicos e podem extrair
dados de bancos não estruturados (ex. bancos do Lotus Notes,
textos e intranets empresariais).
❖ Os usuários podem realizar consultas com o uso de ferramentas
especializadas sem conhecimentos de programação.
❖ Muitas vezes encontram-se resultados inesperados e exige-se
que os usuários finais pensem criativamente ao longo do
processo, incluindo a interpretação das descobertas.
❖ Ferramentas de mineração são facilmente combinadas com
planilhas e outras ferramentas de desenvolvimento de
software.
❖ Às vezes é necessário usar processamento paralelo para suportar
a carga de grandes quantidades de dados e de consultas.
❖ Alguns métodos de mineração são específicos para os tipos de
dados que manipulam. Fornecer-lhes tipos de dados incompatíveis
pode levar a modelos incorretos ou a uma parada do processo de
desenvolvimento do modelo.
Bancos de dados
muito grandes Arquitetura
Requer, por vezes, cliente/servidor ou
processamento uma baseada na
paralelo Web
Características
da mineração
Fácil combinação de dados Ferramentas
com outras sofisticadas para
ferramentas recuperação de
informações
Resultados
inesperados e Consultas sem
exigência de conhecimento de
pensamento programação
criativo
Esquema 2 – Características da mineração de dados.

Prof. Ramon Souza
A mineração de dados costuma ser executada com alguns objetivos finais

ou aplicações. Segundo Navathe, de um modo geral, estes objetivos se
encontram nas seguintes classes:
❖ Previsão: a mineração de dados pode mostrar como certos atributos
dos dados se comportarão no futuro. Para realizar a previsão (ou
prognóstico), a lógica de negócios é utilizada em conjunto com a
mineração de dados. Ex.: previsão de compras sob certos descontos.
❖ Identificação: os padrões de dados podem ser usados para identificar
a existência de um item, um evento ou uma atividade. Ex.: intrusos
tentando quebrar um sistema.
❖ Classificação: a mineração de dados pode particionar os dados de
modo que diferentes classes ou categorias possam ser identificadas
com base em combinações de parâmetros. Ex.: segmentação de clientes.
❖ Otimização: um objeto relevante da mineração de dados pode ser
otimizar o uso de recursos limitados, como tempo, espaço, dinheiro
ou materiais e maximizar variáveis de saída como vendas ou lucros sob
determinadas restrições.
Objetivos finais ou aplicações da mineração de dados
Previsão Identificação Classificação Otimização
Esquema 3 – Objetivos da mineração de dados.
1- (FCC - 2018 - SABESP - Analista de Gestão -

Publicidade e Propaganda) O conceito de Data Mining descreve
a) o uso de teorias, métodos, processos e tecnologias para organizar uma
grande quantidade de dados brutos para identificar padrões de comportamentos
em determinados públicos.
b) o conjunto de métodos, tecnologias e estratégias para atração voluntária de
visitantes, buscando a conversão consistente de leads em clientes (realização
de compra).
c) as atividades coordenadas de modo sistemático por uma determinada
organização para relacionamento com os seus distintos públicos, bem como com
outras organizações, sejam públicas, privadas ou não governamentais.
d) o conjunto de tarefas e processos, organizados e sistematizados,
normalmente como uso de uma plataforma tecnológica (hardware e software,
ou até mesmo em cloud computing) para a gestão do relacionamento com
clientes.

Prof. Ramon Souza
e) o trabalho de produzir levantamento sobre os hábitos de consumo de mídia

de um determinado público, identificando horários, tempo gasto etc.,
associando ao perfil socioeconômico, potencial de consumo, persuasão etc.
Resolução:
Vamos analisar cada uma das alternativas:
a) Correto: a mineração de dados é um processo que utiliza técnicas de
estatística, matemática e inteligência artificial para extrair e identificar
informações úteis e subsequentes conhecimentos (ou padrões) em
grandes conjuntos de dados.
b) Incorreto: o Inbound Marketing se refere a um conjunto de estratégias
que visam atrair, de forma voluntária, os clientes em potencial até a página de
uma empresa na internet.
c) Incorreto: Marketing são as atividades sistemáticas de uma organização
humana, voltada para a busca e realização de trocas com seu meio ambiente,
visando benefícios específicos.
d) Incorreto: O termo Customer Relationship Management (CRM) se
refere a um conjunto de práticas, estratégias de negócio e tecnologias focadas
no cliente que, desde pequenas empresas e startups até médias e grandes
organizações, podem utilizar para gerenciar e analisar as interações com seus
clientes, antecipar suas necessidades e desejos, otimizar a rentabilidade e
aumentar as vendas e a assertividade de suas campanhas de captação de novos
clientes.
e) Incorreto: o levantamento sobre os hábitos de consumo de mídia de um
determinado público pode ser realizado com uma pesquisa de mercado.
Gabarito: Letra A.

Prof. Ramon Souza
2. MODELO DE REFERÊNCIA CRISP-DM

A realização da mineração de dados de forma sistemática geralmente
segue um processo geral. Com base nas melhores práticas, pesquisadores e
profissionais de mineração de dados propuseram vários processos (fluxos de
trabalho ou abordagens simples passo a passo) para maximizar as chances de
sucesso na realização de projetos de mineração de dados.
O modelo de referência CRISP-DM é provavelmente o mais popular e
foi proposto por um consórcio de empresas europeu para servir como
metodologia padrão não proprietária para a mineração de dados. O CRISP-
DM é o processo para condução da mineração de dados de forma
sistemática composto por seis etapas que vão desde uma boa
compreensão do negócio e da necessidade do projeto de mineração até
a implantação da solução para atender a esta necessidade. A figura a
seguir apresenta as seis etapas do modelo CRISP-DM.
Vamos detalhar cada uma das seis etapas do modelo CRISP-DM, mas antes
é importante fazer uma ressalva: embora estas etapas possuam uma
natureza sequencial, geralmente há uma grande quantidade de
retornos às fases anteriores. Como podemos notar na figura, por exemplo,
pode haver um retorno da etapa de construção do modelo para a preparação
dos dados caso seja necessário.
Como a mineração de dados é conduzida com base na experiência e
experimentação, dependendo da situação do problema e do conhecimento ou
experiência do analista, o processo pode ser bastante iterativo e demorado.
Outro importante destaque é que como os últimos passos são construídos sobre
o resultado dos anteriores, deve-se prestar atenção extra às etapas anteriores,
a fim de não colocar todo o estudo em um caminho incorreto desde o início.

Prof. Ramon Souza
Vale ressaltar que o CRISP DM é um processo para conduzir a mineração

de dados. Logo, todas as fases podem ser consideradas como fases da
mineração segundo esse processo.
Vejamos então cada uma das fases do modelo CRISP-DM:
❖ Entendimento do negócio: o elemento-chave de qualquer iniciativa de
mineração de dados é saber para o que ela serve. Esta fase inicial se
concentra, portanto, na compreensão das necessidades gerenciais e
dos objetivos e requisitos de negócio que devem ser atendidos pela
mineração de dados. Em seguida, um plano de projeto para busca de
conhecimentos é desenvolvido, especificando as pessoas
responsáveis pela coleta dos dados, análise os dados e reporte dos
resultados. Nesta fase inicial, um orçamento para apoiar o estudo
também deve ser estabelecido, pelo menos em alto nível com valores
aproximados.
❖ Entendimento dos dados: etapa que objetiva identificar os dados

relevantes das diferentes fontes de dados. A fase de entendimento
dos dados começa com uma coleta inicial de dados e prossegue com
atividades para se familiarizar com os dados, identificar problemas
de qualidade de dados, descobrir novos insights sobre os dados ou
detectar subconjuntos interessantes para formar hipóteses para
informações ocultas. O analista deve ser claro e conciso sobre a descrição
da tarefa de mineração de dados para que os dados mais relevantes
possam ser identificados e deve construir uma compreensão adequada
das fontes de dados e das variáveis existentes.
❖ Preparação dos dados (ou pré-processamento de dados): tem

como propósito carregar os dados identificados no passo anterior e
prepará-los para análise por métodos de mineração de dados. A fase
de preparação de dados abrange todas as atividades para construir o
conjunto de dados final (dados que serão alimentados na ferramenta
de modelagem) a partir dos dados brutos iniciais. As tarefas incluem
seleção de tabelas, registros e atributos, bem como transformação e
limpeza de dados para inclusão nas ferramentas de modelagem. As
tarefas de preparação de dados provavelmente serão realizadas várias
vezes independentemente de ordem específica. Comparado com os
outros passos no CRISP-DM, a preparação de dados consome mais
tempo e esforço (cerca de 80% do tempo total), pois os dados do
mundo real são geralmente incompletos (falta de valores de atributos,
falta de certos atributos de interesse ou contendo apenas dados
agregados), ruidosos (contendo erros ou valores atípicos) e
inconsistentes (contendo discrepâncias em códigos ou nomes).

Prof. Ramon Souza
❖ Construção do modelo (ou modelagem): nesta etapa, várias

técnicas de modelagem são selecionadas e aplicadas em um
conjunto de dados já preparado para atender às necessidades
específicas do negócio. Dependendo da necessidade do negócio, a tarefa
de mineração de dados pode ser de uma predição (classificação ou
regressão), uma associação ou uma clusterização, cada uma dessas
tarefas podendo usar uma variedade de métodos ou algoritmos. A etapa
de construção de modelo também abrange a avaliação e análise
comparativa dos vários modelos construídos, pois como não existe
um melhor método ou algoritmo universalmente conhecido para uma
tarefa de mineração de dados, deve-se usar uma variedade de tipos de
modelos viáveis, juntamente com uma experimentação bem definida e
estratégia de avaliação para identificar o "melhor" método para um
determinado propósito. Mesmo para um único método ou algoritmo, é
necessário calibrar uma série de parâmetros para obter melhores
resultados. Alguns métodos podem ter requisitos específicos na forma
como os dados devem ser formatados; assim, voltar para o passo de
preparação de dados é muitas vezes necessário.
❖ Teste e avaliação: os modelos desenvolvidos são testados e

avaliados quanto à sua precisão e generalidade. Esta etapa avalia
o grau em que o modelo selecionado (ou modelos) atende aos
objetivos comerciais, podendo inclusive testar o(s) modelo(s)
desenvolvido(s) em um cenário do mundo real se o tempo e as restrições
orçamentárias permitirem. A etapa de teste e avaliação é uma tarefa
crítica e desafiadora, pois nenhum valor é adicionado pela tarefa de
mineração de dados até que o valor comercial obtido a partir de padrões
de conhecimento descobertos seja identificado e reconhecido.
❖ Implantação: etapa em que o conhecimento adquirido com a

exploração dos é organizado e apresentado de forma que o
usuário possa entendê-lo e tirar benefício dele. Dependendo dos
requisitos, a fase de implantação pode ser tão simples como gerar um
relatório ou tão complexo quanto implementar um processo de mineração
de dados repetitivo em toda a empresa. Em muitos casos, é o cliente, e
não o analista de dados, que executa as etapas de implantação. No
entanto, mesmo que o analista não realize o esforço de implantação, é
importante que o cliente compreenda quais ações devem ser realizadas
para realmente fazer uso dos modelos criados. A etapa de implantação
também pode incluir atividades de manutenção para os modelos
implantados, pois o negócio está em constante mudança e os dados que
refletem as atividades comerciais também estão mudando.

Prof. Ramon Souza
Para fixar as etapas do CRISP-DM, vamos utilizar um esquema!!!
❖ Entendimento das necessidades ❖ Identificação dos dados relevantes

gerenciais e das especificações de das diferentes fontes de dados.
objetivos e requisitos de negócio.
❖ Começa com a coleta inicial de dados e
❖ Desenvolvimento de um plano de prossegue com atividades para se
projeto para busca de conhecimento familiarizar com os dados, identificar
para a identificação das pessoas problemas de qualidade de dados,
responsáveis por coletar, analisar e descobrir novos insights sobre os
reportar dados. Um orçamento de alto dados ou detectar subconjuntos
nível pode ser estabelecido. interessantes para formar hipóteses.
❖ Carga dos dados e preparação

para análise por métodos de
mineração de dados.
❖ Abrange as atividades para

construir o conjunto de dados
final a partir dos dados brutos
iniciais.
❖ Consome mais tempo e esforço

(~ 80% do tempo total).
❖ Seleção e aplicação de técnicas

de modelagem para atender às
necessidades específicas do
negócio.
❖ Também compreende a
avaliação e comparação das
análises realizadas com os
diversos modelos construídos.
❖ Conhecimento adquirido com a ❖ Os modelos desenvolvidos são

exploração dos é organizado e testados e avaliados quanto à sua
apresentado de forma que o precisão e generalidade.
usuário possa entendê-lo e tirar
benefício dele. ❖ Esta etapa avalia o grau em que o
modelo selecionado (ou modelos)
❖ Também pode incluir atividades de atende aos objetivos comerciais.
manutenção para os modelos
implantados. ❖ Tarefa crítica e desafiadora.
Esquema 4 – CRISP-DM.

Prof. Ramon Souza
2- (FCC - 2018 - TCE-RS - Auditor Público Externo -

Administração Pública ou de Empresas) O modelo de referência CRISP-DM
tem seu ciclo de vida estruturado nas seguintes 6 fases:
a) Estruturação do Negócio, Limpeza dos Dados, Indicação das Métricas,
Modelagem, Estimativa e Exportação dos Dados.
b) Otimização do Negócio, Redução dos Dados, Replicação dos Dados,
Modelagem, Importação dos Dados e Backup.
c) Entendimento do Negócio, Entendimento dos Dados, Preparação dos Dados,
Modelagem, Avaliação e Implantação.
d) Preparação do Negócio, Replicação dos Dados, Indexação dos Dados,
Diagramação do Negócio, Estimativa e Organização.
e) Otimização do Negócio, Entendimento dos Dados, Indexação dos Dados,
Exportação dos Dados, Organização e Importação dos Dados.
Resolução:
O CRISP-DM é o processo para condução da mineração de dados de
forma sistemática composto por seis etapas que vão desde uma boa
a implantação da solução para atender a esta necessidade. A figura a
seguir apresenta as seis etapas do modelo CRISP-DM.
Gabarito: Letra C.

Prof. Ramon Souza
3. TÉCNICAS PARA PRÉ-PROCESSAMENTO DE DADOS

Meus caros, neste tópico detalhamentos as atividades que são realizadas
antes de se aplicar de fato as técnicas de mineração de dados.
Os dados disponíveis nas bases de dados existentes são altamente
suscetíveis a ruídos, perdas e inconsistências devido ao grande tamanho dessas
bases e suas origens de múltiplas fontes heterogêneas. Se forem utilizados
dados de baixa qualidade, os resultados da mineração serão de baixa qualidade
e, portanto, estes dados precisam ser preparados ou pré-processados. As
técnicas de pré-processamento buscam melhorar a qualidade dos dados
e, consequentemente, da eficiência e resultados da mineração.
Diversas técnicas de pré-processamento podem ser aplicadas. Veremos
nesta aula, as técnicas discutidas por Navathe e no modelo CRISP-DM. Embora
os autores e modelos apresentem uma lista de técnicas diferentes, tenha em
mente que estas técnicas para pré-processamento estão voltadas para a
preparação dos dados para que estes sejam submetidos à mineração de
dados.
Técnicas de pré-processamento segundo Navathe
Navathe considera que a mineração de dados faz parte de um processo

maior de descoberta de conhecimento nos bancos de dados, abreviado como
KDD (Knowledge Discovery in Databases).
O processo de descoberta de conhecimento compreende seis fases:
seleção de dados, limpeza de dados, enriquecimento, transformação ou
codificação de dados, mineração de dados e o relatório e exibição da informação
descoberta. As quatro primeiras fases são ditas de pré-processamento,
pois ocorrem anteriormente a mineração de dados propriamente dita.
Vejamos o que ocorre em cada uma das quatro fases de pré-
processamento:
❖ Seleção de dados: os dados são selecionados das diferentes bases
de dados de acordo com a necessidade do projeto de mineração.
❖ Limpeza de dados: correção dos dados, por exemplo, por meio da
eliminação de redundâncias ou correção de códigos inválidos.
Se a mineração de dados for baseada em um data warehouse existente,
é possível que a limpeza já tenha sido aplicada por meio de ETL.
❖ Enriquecimento: melhoria dos dados com base em fontes de
informações adicionais.
❖ Transformação de dados e codificação: podem ser feitas para reduzir
a quantidade de dados, por exemplo, por meio de agregações.

Prof. Ramon Souza
Vamos fixar as tarefas de pré-processamento com um esquema.
Tarefas de pré-processamento (Navathe)

Dados selecionados das diferentes basesPr
Seleção de dados Limpeza de Enriquecimento Transformação

Dados selecionados dados Melhoria com base de dados e
das diferentes bases Correção dos dados em fontes adicionais codificação
Redução da
quantidade de dados
Esquema 5 – Técnicas de pré-processamento (Navathe).
Técnicas de pré-processamento segundo o CRISP-DM
O modelo de referência CRISP-DM dispõe da fase de preparação de

dados ou também chamada de pré-processamento. Vamos ver as técnicas
utilizadas nesta etapa em maiores detalhes.
A fase de preparação de dados ou pré-processamento tem como
propósito carregar os dados e prepará-los para análise por métodos de
mineração de dados. Esta fase abrange todas as atividades para construir o
conjunto de dados final a partir dos dados brutos iniciais. Esta fase é
composta pelas seguintes técnicas:
❖ Consolidação de dados: os dados relevantes são coletados das
fontes identificadas, os registros e variáveis necessários são
selecionados e os registros provenientes de múltiplas fontes de
dados são integrados.
❖ Limpeza de dados (ou depuração de dados): os dados são limpos.

Em alguns casos, os valores em falta são uma anomalia no conjunto de
dados, caso em que eles precisam ser inseridos com o valor mais
provável ou ignorados; em outros casos, os valores em falta são uma
parte natural do conjunto de dados. Nesta etapa, o analista também deve
identificar valores ruidosos nos dados (ou seja, os outliers) e
suavizá-los. Além disso, as inconsistências (valores incomuns dentro
de uma variável) nos dados devem ser tratadas usando o
conhecimento do domínio e/ou a opinião de especialistas.

Prof. Ramon Souza
❖ Transformação de dados: os dados são transformados para um

melhor processamento. Em muitos casos, os dados são
normalizados entre um determinado mínimo e máximo para todas
as variáveis, a fim de mitigar o viés potencial de uma variável
dominando outras variáveis com valores menores. Outra transformação
que ocorre é discretização e/ou agregação, em que as variáveis
numéricas são convertidas em valores categóricos e o intervalo de valores
exclusivo de uma variável nominal é reduzido a um conjunto menor
usando hierarquias conceituais para ter um conjunto de dados que seja
mais acessível ao processamento de computadores. Ainda assim, em
outros casos, pode-se optar por criar novas variáveis baseadas nas
existentes para ampliar as informações encontradas em uma
coleção de variáveis no conjunto de dados.
❖ Redução dos dados: embora seja importante possuir todos os dados

relevantes, muitos dados também são um problema. Em alguns casos, o
número de variáveis pode ser bastante grande, e o analista deve reduzir
o número de variáveis para um tamanho gerenciável (chamada
redução dimensional, pois as variáveis são tratadas por dimensões).
Em alguns casos, é necessário reduzir o número de casos
selecionando um subconjunto dos dados para análise, desde que a
amostra selecionada contenha todos os padrões relevantes do conjunto
de dados completo. Além disso, é uma boa prática equilibrar os dados
altamente distorcidos utilizando técnicas de amostragens capazes de
realizar este equilíbrio.
O esquema a seguir sintetiza as técnicas de preparação:
Esquema 6 – Técnicas de pré-processamento (CRISP-DM).

Prof. Ramon Souza
DÚVIDAS E POLÊMICAS
Qual o escopo da mineração de dados?
Engloba todo o CRISP-DM ou KDD?
Meus caros, aproveito essa seção para destacar que dependendo do modelo
adotado ou da definição utilizada, a mineração de dados pode ter um escopo
maior ou menor. Assim, tendo-se em mente que:
▪ Conceito de mineração de dados: processo que utiliza técnicas de
estatística, matemática e inteligência artificial para extrair e identificar
o O conceito está restrito a extração de padrões com base em
técnicas, mas sem destacar nenhuma metodologia.
▪ CRISP-DM: processo para condução da mineração de dados de forma
sistemática composto por seis etapas que vão desde uma boa
.
a implantação da solução para atender a esta necessidade.
o Segunda essa metodologia, todas as seis etapas são
consideradas etapas de um processo de mineração de dados.
▪ KDD: O processo de descoberta de conhecimento compreende seis fases:
seleção de dados, limpeza de dados, enriquecimento, transformação ou
codificação de dados, mineração de dados e o relatório e exibição da
informação descoberta.
o Nessa metodologia, a mineração de dados é apenas uma das seis
fases possíveis.
De todo modo, sugiro que saibam os conceitos de forma independente e não

tentem relacioná-los, pois dependendo do autor ou do processo, serão
considerados aspectos ou escopos diferentes. As questões indicam a qual linha
estão se referindo e, sendo assim, você irá conseguir resolvê-las. Geralmente
as questões adotam as seguintes linhas:
▪ Conceito de mineração de dados: cobra que você conheça o conceito.
▪ CRISP-DM: cobra o conhecimento das fases da metodologia.
▪ KDD: cobra apenas que você saiba que a mineração de dados é uma de
suas fases.

Prof. Ramon Souza
3- (FCC - 2015 - CNMP - Analista do CNMP - Tecnologia

de Informação e Comunicação Desenvolvimento de Sistemas) Em
relação às ferramentas de Data Discovery e os fundamentos de Data Mining, é
correto afirmar:
a) As ferramentas de Data Mining permitem ao usuário avaliar tendências e
padrões não conhecidos entre os dados. Esses tipos de ferramentas podem
utilizar técnicas avançadas de computação como redes neurais, algoritmos
genéticos e lógica nebulosa, dentre outras.
b) Data Mining é o processo de descobrir conhecimento em banco de dados, que
envolve várias etapas. O KDD – Knowledge Discovery in Database é uma destas
etapas, portanto, a mineração de dados é um conceito que abrange o KDD.
c) A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na
busca de relações entre os dados. De forma geral, existem três tipos de
técnicas: Estatísticas, Exploratórias e Intuitivas. Todas são devidamente
experimentadas e validadas para o processo de mineração.
d) Os dados podem ser não estruturados (bancos de dados, CRM, ERP),
estruturados (texto, documentos, arquivos, mídias sociais, cloud) ou uma
mistura de ambos (emails, SOA/web services, RSS). As ferramentas de Data
Discovery mais completas possuem conectividade para todas essas origens de
dados de forma segura e controlada.
e) Estima-se que, atualmente, em média, 80% de todos os dados disponíveis
são do tipo estruturado. Existem diversas ferramentas open source e comerciais
de Data Discovery. Dentre as open source está a InfoSphere Data Explorer e
entre as comerciais está a Vivisimo da IBM.
Resolução:
Vamos analisar cada uma das alternativas:
a) Correto: Tecnicamente falando, a mineração de dados é um processo
que utiliza técnicas de estatística, matemática e inteligência artificial
para extrair e identificar informações úteis e subsequentes
conhecimentos (ou padrões) em grandes conjuntos de dados.
b) Incorreto: Data Mining KDD – Knowledge Discovery in Database é o
processo de descobrir conhecimento em banco de dados, que envolve várias
etapas. O KDD – Knowledge Discovery in Database Data Mining é uma destas
etapas, portanto, a mineração de dados o KDD é um conceito que abrange o
KDD a mineração de dados.
c) Incorreto: A etapa de KDD do Data Mining Data Mining do KDD consiste
em aplicar técnicas que auxiliem na busca de relações entre os dados. De forma
geral, existem três tipos de técnicas: Estatísticas, Exploratórias e Intuitivas.
Todas são devidamente experimentadas e validadas para o processo de
mineração.

Prof. Ramon Souza
d) Incorreto: Os dados podem ser não estruturados estruturados (bancos de

dados, CRM, ERP), estruturados não estruturados (texto, documentos,
arquivos, mídias sociais, cloud) ou uma mistura de ambos (emails, SOA/web
services, RSS). As ferramentas de Data Discovery Data Mining mais completas
possuem conectividade para todas essas origens de dados de forma segura e
controlada.
e) Incorreto: Estima-se que, atualmente, em média, 80% de todos os dados
disponíveis são do tipo estruturado não estruturado. Existem diversas
ferramentas open source e comerciais de Data Discovery. Dentre as open source
está a InfoSphere Data Explorer e entre as comerciais está a Vivisimo da IBM.
Gabarito: Letra A.

Prof. Ramon Souza
4. TÉCNICAS E TAREFAS DE MINERAÇÃO DE DADOS

A mineração de dados constrói modelos para identificar padrões entre os
atributos apresentados no conjunto de dados, usando dados existentes e
relevantes. Os modelos são as representações matemáticas (relações entre as
variáveis) que identificam os padrões entre os atributos dos objetos descritos
no conjunto de dados. Alguns desses padrões são explicativos (explicando as
inter-relações e afinidades entre os atributos), e outros são preditivos (prevendo
os valores futuros de certos atributos).
Os padrões ou o conhecimento descoberto durante a mineração de dados
podem ser descritos com base em regras de associação, hierarquias de
classificação, padrões sequenciais, padrões dentro de série temporal e
agrupamento (clusterização).
Estas formas de descrição dos padrões são chamadas de tarefas (ou
técnicas) da mineração de dados. Turban as classifica em três categorias
principais: predição (inclui a classificação e regressão), associação (inclui a
análise de relacionamentos e a análise de sequências) e agrupamento ou
clusterização (inclui a análise de outliers).
Inicialmente, vamos entender cada uma dessas tarefas (ou técnicas) e

depois aprofundar o estudo daquelas previstas expressamente no nosso edital.
❖ Predição (ou previsão): busca descrever a natureza de ocorrências
futuras de certos eventos com base nos acontecimentos
passados. Difere da adivinhação, pois leva em consideração as
experiências, opiniões e outras informações relevantes na condução da
previsão. Dependendo da natureza da predição, podemos falar em
classificação ou regressão.
o Classificação (ou indução supervisionada): tem como objetivo
criar uma hierarquia de classes com base em um conjunto
existente de eventos ou transações. É a tarefa mais comum
de mineração de dados. Gera-se automaticamente um modelo
que pode prever o comportamento futuro partir da análise dos
dados históricos armazenados em um banco de dados. Este modelo
consiste em generalizações sobre os registros, distinguindo-os com
base nas classes pré-definidas. Ex.: uma população pode ser
dividida em cinco faixas de possibilidade de crédito com base em
um histórico de transações anteriores.
o Regressão: é uma aplicação especial da regra de
classificação, que ocorre quando esta regra de classificação é
uma função sobre as variáveis mapeando essas variáveis em
uma variável de classe de destino. Ex.: identificar a probabilidade
de um paciente sobreviver com base em variáveis como grau de
infecção ou idade.

Prof. Ramon Souza
❖ Associação (ou aprendizagem de regras): visa descobrir

relacionamentos entre variáveis em grandes bancos de dados. Dito
de outro modo, as regras de associação correlacionam a presença de um
item com uma faixa de valores para um conjunto de variáveis diverso.
o Análise de ligações: a ligação entre os diversos objetos de
interesse é descoberta automaticamente. Ex.: quando um cliente
do sexo masculino compra fraldas em supermercado, geralmente
ele compra cerveja.
o Padrões sequenciais: uma sequência de ações ou eventos é

buscada. A detecção de padrões sequenciais é equivalente à
detecção de associações entre eventos com certos
relacionamentos temporais. Ex.: se um paciente fuma
excessivamente, provavelmente sofrerá com problemas
pulmonares.
o Padrões dentro de série temporal: as similaridades entre os

dados podem ser detectadas dentro de posições de uma série
temporal, que é uma sequência de dados tomados em
intervalos regulares. Ex.: os casacos de frio são mais baratos
no verão e mais caros no inverno.
❖ Agrupamento (clusterização): partição de uma coleção de coisas,

eventos ou itens em segmentos cujos membros são características
semelhantes. Ao contrário da classificação, no agrupamento, as classes
são previamente desconhecidas. Ex.: uma população inteira de dados
de transação sobre uma doença pode ser dividida em grupos com base
na similaridade dos efeitos colaterais produzidos.
o Análise de outliers: identificação dos dados que não
apresentam o mesmo comportamento padrão da maioria. Ex.:
identificação de pessoa com renda muito superior aos perfis de
renda em determinada organização.
Como destacamos, neste momento apresentamos as definições de cada

uma das tarefas ou técnicas. Boa parte das questões cobra somente o
entendimento da definição de cada uma destas técnicas, então fixe bem o
conceito de cada uma destas tarefas.

Prof. Ramon Souza
Vamos fixar estas tarefas ou técnicas por meio de um esquema!!!
Classes são pré-definidas. Classificação
Hierarquia de classes com

Predição base em um conjunto
existente de eventos ou
Descrever a natureza
transações.
de ocorrências futuras
de certos eventos com
base nos
acontecimentos Regressão
passados.
Regra de classificação que é
uma função sobre variáveis.
Tarefas ou técnicas de mineração de dados
Análise de ligações
A ligação entre os diversos

objetos é descoberta
automaticamente.
Associação
Padrões sequenciais
Descobrir
relacionamentos
entre variáveis em Uma sequência de ações ou
grandes bancos de eventos é buscada.
dados.
Padrões de séries temporais
Classes são
As similaridades entre os
previamente
dados podem ser detectadas
desconhecidas.
dentro de posições de uma
série temporal.
Agrupamento
(clusterização)
Análise de outliers
Partição de uma
coleção de eventos ou Identificação dos dados que
itens em segmentos não apresentam o
cujos membros são comportamento padrão.
características
semelhantes.
Esquema 7 – Técnicas ou tarefas de mineração.

Prof. Ramon Souza
4- (FCC - 2018 - DPE-AM - Analista em Gestão

Especializado de Defensoria - Analista de Banco de Dados) Dentre os
algoritmos utilizados em data mining, há um algoritmo que visa o
estabelecimento de categorias, a partir do conjunto de dados, bem como a
distribuição dos dados nas categorias estabelecidas. Essa descrição corresponde
aos algoritmos de
a) classificação.
b) sumarização.
c) visualização.
d) evolução.
e) detecção de desvios.
Resolução:
Na classificação, a mineração de dados pode particionar os dados de modo
que diferentes classes ou categorias possam ser identificadas com base em
combinações de parâmetros. Ex.: segmentação de clientes.
A classificação (ou indução supervisionada) tem como objetivo criar uma
hierarquia de classes com base em um conjunto existente de eventos
ou transações. É a tarefa mais comum de mineração de dados. Gera-se
automaticamente um modelo que pode prever o comportamento futuro partir
da análise dos dados históricos armazenados em um banco de dados. Este
modelo consiste em generalizações sobre os registros, distinguindo-os com base
nas classes pré-definidas. Ex.: uma população pode ser dividida em cinco
faixas de possibilidade de crédito com base em um histórico de transações
anteriores.
Gabarito: Letra A.

Prof. Ramon Souza
4.1 Classificação
A classificação é o processo de aprender um modelo que descreve
diferentes classes de dados. As classes são predefinidas e, portanto, esse
tipo de atividade é também chamado de aprendizado supervisionado.
Quando o modelo é criado, ele pode ser usado para classificar novos dados.
O primeiro passo – aprendizado do modelo – é realizado com um conjunto de
treinamento de dados que já foram classificados. Cada registro nos dados de
treinamento contém um atributo, chamado rótulo de classe, que indica a que
classe o registro pertence.
A classificação é talvez a mais comum de todas as tarefas de
mineração de dados. O objetivo da classificação é analisar os dados
históricos armazenados em um banco de dados e gerar
automaticamente um modelo que pode prever o comportamento futuro.
Esse modelo induzido consiste em generalizações sobre os registros de um
conjunto de dados de treinamento, que ajudam a distinguir as classes
predefinidas. A expectativa é que o modelo possa então ser usado para prever
as classes de outros registros não classificados e, mais importante, prever com
precisão os eventos futuros reais.
EXEMPLO:
Para entender melhor a classificação, imagine-se como um proprietário de um
grande banco com uma infinidade de clientes correntistas. Você quer distribuir
alguns cartões de crédito especiais entre estes clientes, mas quer correr o
menor risco possível de crédito. Assim, não seria útil se estes clientes
.
estivessem separados com base no risco de “calote”.
Dessa forma, os clientes do seu banco podem estar classificados em algumas
categorias pré-definidas:
Baixo risco Risco médio Alto risco
Os clientes podem, então, ser dispostos nessas classes e, assim, você pode
identificar facilmente para quem você irá “distribuir” os cartões especiais.
Perceba que como se trata de classificação, as categorias são definidas
previamente para depois organizar os dados nelas.
As ferramentas (por vezes chamados de algoritmos) comuns de

classificação incluem redes neurais e árvores de decisão (da aprendizagem de
máquina), regressão logística, métodos bayesianos e análise discriminatória
(das estatísticas tradicionais) e ferramentas emergentes, como conjuntos
aproximados, máquinas de vetores de suporte e algoritmos genéticos.

Prof. Ramon Souza
Vamos falar as duas principais: redes neurais e árvores de decisão.
As redes neurais envolvem o desenvolvimento de estruturas

matemáticas (um tanto parecidas com as redes neurais biológicas no cérebro
humano) que têm a capacidade de aprender com experiências passadas
apresentadas sob uma forma bem estruturada dos conjuntos de dados.
Elas tendem a ser mais efetivas quando o número de variáveis envolvidas é
bastante grande e as relações entre elas são complexas e imprecisas.
As redes neurais apresentam como principal desvantagem a dificuldade
de se interpretar as previsões feitas. Além disso, as redes neurais tendem
a necessitar de treinamento considerável, que demanda maior tempo à
medida que aumenta a quantidade de dados.
EXEMPLO:
.
Uma rede neural utiliza uma série

de entradas bem estruturadas
para definir um comportamento ou
realizar uma previsão.
As árvores de decisão classificam os dados em um número finito de

classes com base nos valores das variáveis de entrada. As árvores de
decisão são essencialmente uma hierarquia de declarações se-então e,
portanto, são significativamente mais rápidas do que as redes neurais. Elas são
mais apropriadas para dados categorizados e intervalos de dados. Portanto,
incorporar variáveis contínuas em uma estrutura de árvore de decisão requer
discretização; ou seja, converter variáveis numéricas de valor contínuo em
intervalos e categorias.
A árvore de decisão pode ser entendida também como uma
representação gráfica da descrição de cada classe ou, em outras palavras,
uma representação das regras de classificação.

Prof. Ramon Souza
EXEMPLO:
Visando entender a estrutura de uma árvore de decisão, vejamos o seguinte
exemplo que visa classificar os clientes de um banco quanto ao risco para obter
um cartão de crédito especial.
Neste exemplo, podemos perceber que um conjunto de regras é definido para

categorizar os clientes nas classes “risco fraco”, “risco médio” e “risco bom”.
Note que ao percorrer a estrutura da árvore, saindo de sua raiz até os nós,
forma as regras possíveis para uma classe. Por exemplo, se um cliente for
casado e se o salário for >= 50K, então ele tem um risco bom para um cartão
de crédito especial. Por outro lado, se o cliente for solteiro e o saldo de sua
conta for menor que 5K, o gerente provavelmente não irá disponibilizar um
cartão especial, pois ele possui risco fraco.
Para fixar o entendimento sobre a classificação, temos o seguinte esquema!!!
Processo de aprender
um modelo que Classes pre-
descreve diferentes definidas.
classes de dados.
Classificação
Ferramentas
comuns
Aprendizado
Estatística Emergentes
de máquina
Máquinas
Árvores Análise Conjuntos de Algoritmo
Redes Regressão
de discrimina aproxima vetores s
neurais loigística
decisão tória dos de genéticos
suporte
Esquema 8 – Classificação.

Prof. Ramon Souza
4.2 Regras de associação

As regras de associação são uma técnica popular para descobrir
relacionamentos interessantes entre variáveis em grandes bancos de
dados. Graças a tecnologias automatizadas de coleta de dados, o uso de regras
de associação para descobrir os relacionamentos entre os produtos em
transações de larga escala registradas nos sistemas de ponto de venda nos
supermercados tornou-se uma tarefa comum de descoberta de conhecimento
no ramo varejista, em que é chamada de análise de cesta de mercado.
EXEMPLO:
Qual a relação entre fralda e cerveja? Não é pegadinha

e nem charada.
Uma das maiores redes de varejo dos Estados Unidos descobriu, em seu
.
gigantesco armazém de dados, que a venda de fraldas descartáveis estava
associada à de cerveja. Em geral, os compradores eram homens, que saíam à
noite para comprar fraldas e aproveitavam para levar algumas latinhas para
casa. Os produtos foram postos lado a lado. Resultado: a venda de fraldas e
cervejas disparou.
Neste caso, vemos claramente a ideia das regras de associação através do
relacionamento entre duas variáveis de produtos. A descoberta de um padrão
de relacionamento entre dois itens aparentemente não relacionados pode
auxiliar bastante na tomada de decisões.
Duas derivações comuns das regras de associação são a análise de ligações

e os padrões de sequência. Com a análise de ligações, o relacionamento entre
muitos objetos de interesse é descoberto automaticamente, como o link entre
páginas da Web e relacionamentos referenciais entre grupos de autores de
publicação acadêmica. Com os padrões de sequência, as relações são
examinadas em termos de sua ordem de ocorrência para identificar associações
ao longo do tempo.
Uma regra de associação deve satisfazer alguma medida de interesse do
analista de dados. Duas medidas comuns são o suporte e a confiança.
❖ Suporte ou prevalência: frequência que um conjunto de itens
específico ocorre no banco de dados, ou seja, o percentual de
transações que contém todos os itens em um dado conjunto. Ex.: 30%
das compras realizadas em um supermercado contém fraldas e cervejas.
❖ Confiança ou força: probabilidade de que exista relação entre itens.
Ex.: 70% dos clientes que compram fraldas também compram cerveja.

Prof. Ramon Souza
Os algoritmos utilizados na mineração de regras de associação incluem o

popular Apriori (onde itens de itens frequentes são identificados), PP-Growth,
OneR, ZeroR e Eclat. Descreveremos brevemente o Apriori.
O algoritmo Apriori é o algoritmo mais utilizado para descobrir regras de
associação. Dado um conjunto de conjuntos de itens (por exemplo,
conjuntos de transações de varejo com a listagem de itens individuais
adquiridos), o algoritmo tenta encontrar subconjuntos comuns a pelo
menos um número mínimo de conjuntos de itens (isto é, cumpre com um
suporte mínimo). O Apriori usa uma abordagem de baixo para cima, onde os
subconjuntos frequentes são estendidos um item por vez (um método conhecido
como geração de candidatos, pelo qual o tamanho dos subconjuntos frequentes
aumenta de subconjuntos de um item para subconjuntos de dois itens,
subconjuntos de três itens, etc.), e grupos de candidatos em cada nível são
testados em relação aos dados para suporte mínimo. O algoritmo termina
quando nenhuma outra extensão bem-sucedida é encontrada.
EXEMPLO:
Como um exemplo ilustrativo, considere o seguinte: uma pequena loja rastreia
as transações de vendas pela unidade de manutenção de estoque e, portanto,
sabe quais itens normalmente são comprados juntos. Cada unidade de
manutenção de estoque no banco de dados de transações corresponde a um
produto, como "1 = manteiga", "2 = pão", "3 = água" e “4 = café”. O banco de
dados contendo as transações é mostrado em T1.
T1. Dados das T2. Conjuntos de itens T3. Conjunto de itens T4. Conjuntos de
transações individuais duplos itens triplos
Transação Unidade de Unidade de Suporte Unidade Suporte Unidade de Suporte

estoque estoque de estoque estoque
1 1, 2, 3, 4 1 3 1, 2 3 1, 2, 4 3
1 2, 3, 4 2 6 1, 3 2 2, 3, 4 3
1 2, 3 3 4 1, 4 3
. 1 1, 2, 4 4 5 2, 3 4
1 1, 2, 3, 4 2, 4 5
1 2, 4 3, 4 3
O primeiro passo é contar as frequências (suportes) de cada item

individualmente. Neste exemplo simplificado, vamos definir o suporte mínimo
para 3 (ou 50%). Como todos os conjuntos de itens individuais possuem pelo
menos 3 na coluna de suporte, todos eles são considerados conjuntos de itens
frequentes (T2). Se houvesse um conjunto de itens que não fosse frequente,
ele seria descartado da análise e não passaria para a análise de conjuntos
duplos. Usando conjuntos de itens de um item, todos os conjuntos de dois itens
são gerados e o banco de dados de transações é usado para calcular seus
valores de suporte (T3). Como o conjunto de itens de dois itens {1, 3} tem um
suporte menor que 3, ele não deve ser incluído nos conjuntos de itens que serão
usados para gerar os conjuntos de itens do próximo nível (conjuntos de itens
de três itens) (T4). O algoritmo parece simples, mas apenas para pequenos

Prof. Ramon Souza
conjuntos de dados. Em conjuntos de dados muito maiores, especialmente

aqueles com grandes quantidades de itens presentes em pequenas quantidades
e pequenas quantidades de itens presentes em grandes quantidades, a busca e
o cálculo se tornam um processo computacionalmente intensivo.
Vamos esquematizar as regras de associação.
Técnica popular para descobrir Análise de

relacionamentos interessantes cesta de
entre variáveis.
mercado
(ramo varejista)
Regras de associação
Derivações Medidas de Algoritmos

comuns interesse utilizados
PP-
Growth,
Análise de Padrões de Suporte ou Confiança
Apriori OneR,
ligações sequência prevalência ou força
ZeroR e
Eclat.
Esquema 9 – Associação.
5- (FCC - 2016 - AL-MS - Técnico de Informática) Um

famoso site de vendas sempre envia ao cliente que acabou de comprar um item
X, ou o está analisando, a seguinte frase: Pessoas que compraram o item X
também compraram o Y. Para isso, o site deve estar aplicando a técnica de Data
Mining denominada
a) profiling.
b) coocorrência.
c) regressão múltipla.
d) regressão logística.
e) classificação.
Resolução:
dados. As regras de associação permitem a identificação de grupos de dados
que apresentam coocorrência entre si, por exemplo, uma cesta de compras.
Gabarito: Letra B.

Prof. Ramon Souza
4.3 Análise de agrupamentos (clusterização)

A análise de clusters (análise de agrupamentos ou análise de
aglomerações ou análise de partições) é um método de mineração de dados
essencial para classificar itens, eventos ou conceitos em agrupamentos
comuns chamados de clusters. O método é comumente usado em biologia,
medicina, genética, análise de redes sociais, antropologia, arqueologia,
astronomia, reconhecimento de caráter e até mesmo no desenvolvimento de
sistemas de gerenciamento de informações. À medida que a mineração de dados
aumentou em popularidade, as técnicas foram aplicadas aos negócios,
especialmente ao marketing. A análise de cluster tem sido amplamente utilizada
para detecção de fraude (fraude de cartão de crédito e de comércio eletrônico)
e segmentação de mercado de clientes em sistemas de CRM contemporâneos.
A análise de cluster é uma ferramenta de análise exploratória de dados
para resolver problemas de classificação. O objetivo é classificar casos (por
exemplo, pessoas, coisas, eventos) em grupos ou clusters, de modo que o
grau de associação seja forte entre os membros do mesmo cluster e
fraco entre os membros de diferentes clusters. Cada cluster descreve a
classe a que seus membros pertencem. No que diz respeito à mineração de
dados, a importância da análise de cluster é que ela pode revelar associações e
estruturas em dados que não eram anteriormente evidentes, mas são sensíveis
e úteis uma vez encontradas.
As classes não são previamente definidas, mas muitas vezes, os
algoritmos de cluster geralmente requerem uma especificação do número
de clusters a serem encontrados. Se este número não é conhecido
previamente, ele deve ser escolhido de alguma forma. Infelizmente, não
há uma maneira ótima de calcular o número de cluster. Portanto, vários
métodos heurísticos diferentes foram propostos como os critérios de informação
bayesianos e akaikos.
EXEMPLO:
Considere um grupo de pacientes de um hospital que tiveram um determinado
medicamento
. receitado. Uma análise de clusters pode estabelecer determinados
grupos de pacientes com reações semelhantes a estes medicamentos.
Perceba, para a análise de clusters não são definidos previamente os grupos
possíveis. A partir da análise é que serão definidos os grupos com base nas
semelhanças e diferenças entre as características dos pacientes.
A clusterização pode se proceder de duas formas gerais:

❖ Divisivo: todos os itens começam em um cluster e são quebrados
em clusters menores.
❖ Aglomerativo: todos os itens começam em clusters individuais e os
clusters são unidos baseando-se em suas semelhanças.

Prof. Ramon Souza
A análise de clusters pode ser baseada em um ou mais dos seguintes

métodos gerais:
❖ Métodos estatísticos: k-means, k-modes, k-medoids, etc.
o K-means (k média): o algoritmo atribui cada ponto de dados
(cliente, evento, objeto, etc.) ao cluster cujo centro (também
chamado centróide) é o mais próximo. O centro é calculado
como a média de todos os pontos no cluster; ou seja, suas
coordenadas são a média aritmética para cada dimensão
separadamente em todos os pontos do cluster.
o K-modes (k moda): estende o paradigma k-means para
clusterizar dados categóricos (nominais) ao trocar a média de
clusters pela moda (elementos que mais se repetem), usando
novas medidas de similaridade para tratar com objetos
categóricos, e usando um método baseado em frequência para
atualizar as modas dos clusters.
o K-medoids (k mediana): ao invés de usar a média para
definir o centro dos clusters, utiliza a mediana (valor mais ao
centro do conjunto de dados). Assim, o elemento que melhor
representa o cluster, é definido de acordo com seus atributos sem
que haja muita influência dos valores próximos aos limites do
cluster.
❖ Redes neurais: estruturas matemáticas que têm a capacidade de

aprender com experiências passadas apresentadas sob uma
forma bem estruturada dos conjuntos de dados.
❖ Lógica difusa: forma de lógica multivalorada na qual os valores

lógicos das variáveis podem ser qualquer número real entre 0
(FALSO) e 1 (VERDADEIRO). A lógica difusa foi estendida para lidar
com o conceito de verdade parcial, onde o valor verdade pode
compreender entre completamente verdadeiro e completamente falso.
❖ Algoritmos genéticos: são implementados como uma simulação de

computador em que uma população de representações abstratas
de solução é selecionada em busca de soluções melhores. A
evolução geralmente se inicia a partir de um conjunto de soluções criado
aleatoriamente e é realizada por meio de gerações. A cada geração, a
adaptação de cada solução na população é avaliada, alguns indivíduos
são selecionados para a próxima geração, e recombinados ou mutados
para formar uma nova população. A nova população então é utilizada
como entrada para a próxima iteração do algoritmo.

Prof. Ramon Souza
E lá vem um esqueminha para memorizar a clusterização!!
Método de mineração de dados essencial para Classes não são

classificar itens, eventos ou conceitos em previamente
agrupamentos comuns chamados de clusters. definidas
Agrupamentos
(clusterização)
Formas gerais Métodos gerais
Redes Lógica Algoritmos

Divisivo Aglomerativo Estatísticos
neurais difusa genéticos
Esquema 10 – Agrupamentos (clusterização).
6- (FCC - 2010 - TCE-SP - Agente da Fiscalização

Financeira - Informática - Produção e Banco de Dados) No âmbito dos
algoritmos associados ao mining, se houver um banco de dados com um número
potencial pequeno de conjuntos de itens grandes, isto é, uns poucos milhares,
então o suporte para todos eles pode ser testado em uma passagem usando a
técnica específica de
a) hierarquização.
b) partição.
c) amostragem.
d) árvore de padrão frequente.
e) séries temporais.
Resolução:
A análise de clusters (análise de agrupamentos ou análise de
aglomerações ou análise de partições) é um método de mineração de dados
essencial para classificar itens, eventos ou conceitos em agrupamentos
comuns chamados de clusters.
Gabarito: Letra B.

Prof. Ramon Souza
5. DETECÇÃO DE ANOMALIAS
A deteção de anomalias consiste na identificação de padrões em
dados com um comportamento diferente do esperado. Estes padrões são
muitas vezes referidos como anomalias, outliers, exceções, aberrações,
observações discordantes, entre outros, variando de acordo com o contexto.
No contexto da mineração de dados, a análise de outliers é uma técnica
ou tarefa realizada na análise de clusters que consiste na identificação dos
dados que não apresentam o mesmo comportamento padrão da maioria.
Ex.: identificação de pessoa com renda muito superior aos perfis de renda em
determinada organização.
Os resultados produzidos pelos métodos de deteção de anomalias são
de um dos dois tipos seguintes:
❖ Pontuações: os métodos de pontuação atribuem uma pontuação de
anomalia para cada instância no teste de dados, dependendo do grau da
anomalia. O analista pode optar por analisar as anomalias mais
“pontuadas” ou usar um ponto de corte para as selecionar.
❖ Rótulos: os métodos usados atribuem um rótulo (normal ou anormal)
para cada instância de teste.
7- (FCC - 2011 - INFRAERO - Analista de Sistemas -

Administrador de Banco de Dados) Funcionalidade cujo objetivo é encontrar
conjuntos de dados que não obedecem ao comportamento ou modelo dos
dados. Uma vez encontrados, podem ser tratados ou descartados para utilização
em mining. Trata-se de
a) descrição.
b) agrupamento.
c) visualização.
d) análise de outliers.
e) análise de associações.
Resolução:
No contexto da mineração de dados, a análise de outliers é uma técnica ou
tarefa realizada na análise de clusters que consiste na identificação dos dados
que não apresentam o mesmo comportamento padrão da maioria. Ex.:
identificação de pessoa com renda muito superior aos perfis de renda em
determinada organização.
Gabarito: Letra D.

Prof. Ramon Souza
6. MODELAGEM PREDITIVA
A modelagem preditiva é uma técnica estatística para modelar e
encontrar padrões, que utiliza dados históricos para realizar previsões de
tendências, padrões de comportamento ou eventos futuros.
A modelagem preditiva utiliza de estatísticas e modelos
matemáticos para prever resultados futuros. Basicamente, escolhe-se o
melhor modelo fundamentado na probabilidade de um resultado ocorrer
conforme um conjunto de dados de entrada. Esses modelos utilizam um ou mais
classificadores que avaliam a probabilidade de um conjunto de dados
pertencerem a outro conjunto. Assim, no nosso contexto de mineração de
dados, as tarefas preditivas de classificação e regressão são utilizadas com
esta finalidade.
7. APRENDIZADO DE MÁQUINA
Aprendizado de Máquina (ou machine learning) é um método de
análise de dados que automatiza o desenvolvimento de modelos
analíticos. Usando algoritmos que aprendem interativamente a partir de
dados, o aprendizado de máquinas permite que os computadores encontrem
insights ocultos sem serem explicitamente programados para procurar algo
específico.
As tarefas e técnicas de mineração de dados estão bem relacionadas com
o aprendizado de máquina, pois a mineração de dados descobre padrões e
conhecimento previamente desconhecidos e o aprendizado de máquina
usa esses padrões e conhecimentos adquiridos, aplicando isso a outros
dados, e, em seguida, aplicando automaticamente esses resultados à tomada
de decisões e ações.
O aprendizado de máquina é bastante utilizado para:
❖ Detecção de fraudes.
❖ Resultados de pesquisa na Web.
❖ Anúncios em tempo real em páginas da web e dispositivos móveis.
❖ Análise de sentimento baseada em texto.
❖ Pontuação de crédito e próximas melhores ofertas.
❖ Previsão de falhas em equipamento.
❖ Novos modelos de precificação.
❖ Detecção de invasão na rede.
❖ Reconhecimento de padrões e imagem.
❖ Filtragem de spams no e-mail.

Prof. Ramon Souza
8. MINERAÇÃO DE TEXTO
A mineração de texto (também conhecida como mineração de dados
de texto ou descoberta de conhecimento em bancos de dados textuais)
é o processo semiautomático de extração de padrões (informações úteis
e conhecimento) de grandes quantidades de fontes de dados não
estruturadas. Lembre-se de que a mineração de dados é o processo de
identificação de padrões válidos, novos, potencialmente úteis e, finalmente,
compreensíveis em dados armazenados em bancos de dados estruturados, onde
os dados são organizados em registros estruturados por variáveis categóricas,
ordinais ou contínuas. A mineração de texto é semelhante a mineração de
dados, na medida em que tem o mesmo propósito e usa os mesmos processos;
mas com a mineração de texto, a entrada para o processo é uma coleção
de arquivos de dados não estruturados ou semiestruturados, como
documentos do Word, arquivos PDF, trechos de texto, arquivos XML e assim por
diante.
Em essência, a mineração de texto pode ser pensada como um
processo (com duas etapas principais) que começa com imposição de
uma estrutura para as fontes de dados baseadas em texto, seguindo da
extração de informações e conhecimentos relevantes a partir desses
dados estruturados baseados em texto usando técnicas e ferramentas de
Os benefícios da mineração de texto são evidentes nas áreas em que
grandes quantidades de dados textuais estão sendo gerados, como lei (ordens
judiciais), pesquisa acadêmica (artigos de pesquisa), finanças (relatórios
trimestrais), medicamentos (sumários de alta), biologia (interações
moleculares), tecnologia (arquivos de patentes) e marketing (comentários de
clientes).
EXEMPLO:
Por exemplo, as interações baseadas em texto de forma livre com clientes sob
a forma de queixas (ou elogios) e reivindicações de garantia podem ser usadas
para identificar objetivamente características de produtos e serviços que são
consideradas imperfeitas e podem ser usadas como entrada para melhor
desenvolvimento de produtos e alocações de serviços. Da mesma forma,
programas
. de divulgação de mercado e grupos focais geram grandes
quantidades de dados e, ao não restringir o feedback do produto ou do serviço
à forma codificada, os clientes podem apresentar, em suas próprias palavras, o
que eles pensam dos produtos e serviços de uma empresa. Outra área em que
o processamento automatizado de textos não estruturados teve muito impacto
é em comunicações eletrônicas e e-mail. A mineração de texto não só pode ser
usada para classificar e filtrar o e-mail indesejável, mas também pode ser usada
para priorizar automaticamente o email com base no nível de importância, além
de gerar respostas automáticas.

Prof. Ramon Souza
A mineração de texto pode ser sintetizada com base no seguinte esquema.
Dados semi-
Dados não estruturados
estuturados
Ex.:
Documentos
do Word,
arquivos PDF,
trechos de
texto, arquivos
XML
2ª etapa
Extração de informações e conhecimentos

relevantes a partir desses dados estruturados
baseados em texto usando técnicas e
ferramentas de mineração de dados.
Esquema 11 – Mineração de texto.

Prof. Ramon Souza
9. QUESTÕES COMENTADAS
Mineração de Dados
8- (FCC - 2018 - SEFAZ-SC - Auditor-Fiscal da Receita Estadual -
Auditoria e Fiscalização (Prova 3)) Atenção: Para responder à questão,
considere o seguinte caso hipotético:
Um Auditor da Receita Estadual pretende descobrir, após denúncia, elementos que
possam caracterizar e fundamentar a possível existência de fraudes, tipificadas como
sonegação tributária, que vêm ocorrendo sistematicamente na arrecadação do ICMS. A
denúncia é que, frequentemente, caminhões das empresas Org1, Org2 e Org3 não são
adequadamente fiscalizados nos postos de fronteiras. Inobservâncias de procedimentos
podem ser avaliadas pelo curto período de permanência dos caminhões dessas
empresas na operação de pesagem, em relação ao período médio registrado para
demais caminhões.
Para caracterizar e fundamentar a existência de possíveis fraudes, o Auditor deverá

coletar os registros diários dos postos por, pelo menos, 1 ano e elaborar demonstrativos
para análises mensais, trimestrais e anuais.
A aplicação de técnicas de mineração de dados (data mining) pode ser de grande

valia para o Auditor. No caso das pesagens, por exemplo, uma ação típica de
mining, que é passível de ser tomada com o auxílio de instrumentos preditivos,
a) quantificar as ocorrências de possíveis pesagens fraudulentas ocorridas
durante todo o trimestre que antecede a data da análise, em alguns postos
selecionados, mediante parâmetros comparativos preestabelecidos.
b) analisar o percentual de ocorrências das menores permanências de
caminhões nos postos, no último ano, em relação ao movimento total.
c) relacionar os postos onde ocorreram, nos últimos seis meses, as menores
permanências das empresas suspeitas e informar o escalão superior para a
tomada de decisão.
d) realizar uma abordagem surpresa em determinado posto, com probabilidade
significativa de constatar ocorrência fraudulenta.
e) reportar ao escalão superior as características gerais das pesagens e
permanências de todos os caminhões, nos cinco maiores postos do Estado, no
mês que antecede a data de análise.
Resolução:
Uma previsão ou predição busca mostrar como certos atributos dos
dados se comportarão no futuro. Para realizar a previsão (ou prognóstico),
a lógica de negócios é utilizada em conjunto com a mineração de dados.
Assim, vamos analisar qual item está buscando predizer algo:
a) Incorreto: não há previsão, pois há apenas uma quantificação das fraudes
do trimestre anterior.

Prof. Ramon Souza
b) Incorreto: não há previsão, pois há apenas uma análise em relação aos

dados do último ano.
c) Incorreto: não há previsão, pois há apenas uma análise dos postos em que
ocorrência das menores permanências de empresas suspeitas nos últimos seis
meses.
d) Correto: há tentativa de previsão, pois busca avaliar ocorrência futura de
fraude. Para escolher o posto, podem ser usados dados históricos, porém o
objetivo é tentar prever certo comportamento.
e) Incorreto: não há previsão, pois há apenas um reporte das características
gerais das pesagens e permanências de caminhões no mês anterior.
Gabarito: Letra D.
9- (FCC - 2017 - TST - Analista Judiciário – Análise de Sistemas)

Hipoteticamente, um Analista de Sistemas, trabalhando no Tribunal Superior do
Trabalho − TST, se deparou com as seguintes questões:
1. Como o número de processos trabalhistas deste trimestre se compara com o
número de processos de um ano atrás?
2. O que se pode prever para o próximo trimestre com relação ao número de
processos trabalhistas?
3. Qual é a tendência do número de processos, medida pela variação
percentual?
4. Quem é provável que faça acordo trabalhista nos próximos seis meses?
5. Quais são as características dos casos prováveis de acordos trabalhistas?
Considerando que o Tribunal utiliza o sistema gerenciador de banco de dados
Oracle, para responder as perguntas, o Analista achou adequado o auxílio de
dois recursos, cujas descrições encontram-se abaixo:
I. Fornece dados resumidos e gera cálculos ricos, adequado para ajudar a
responder as questões 1, 2 e 3.
II. Descobre padrões ocultos em dados, operando em nível detalhado, adequado
para ajudar a responder as questões 4 e 5.
Os recursos para resolver os problemas de análise de dados referentes às
questões apresentadas, que são descritos em I e II são, correta e
respectivamente,
a) OLAP e Data Mining.
b) ETL e ROLAP.
c) Data Mining e SAP R/1.
d) OLTP e OLAP.

Prof. Ramon Souza
e) MOLAP e OLTP.
Resolução:
I. Para gerar dados resumidos podemos usar as operações OLAP. O OLAP é
uma abordagem para responder rapidamente questões ad hoc através
da execução de consultas analíticas multidimensionais em repositórios
de dados organizacionais (data warehouses, data marts).
II. Para descobrir padrões em dados usamos data mining. A mineração de
dados é entendida como o processo não trivial de identificar padrões
válidos, novos, potencialmente úteis e, em última instância,
compreensíveis em dados armazenados em bancos de dados estruturados.
Gabarito: Letra A.
10- (FCC - 2017 - DPE-RS - Analista - Banco de Dados) Uma das técnicas
bastante utilizadas em sistemas de apoio à decisão é o Data Mining, que se
constitui em uma técnica
a) para a exploração e análise de dados, visando descobrir padrões e regras, a
princípio ocultos, importantes à aplicação.
b) para se realizar a criptografia inteligente de dados, objetivando a proteção
da informação.
c) que visa sua distribuição e replicação em um cluster de servidores, visando
aprimorar a disponibilidade de dados.
d) de compactação de dados, normalmente bastante eficiente, permitindo
grande desempenho no armazenamento de dados.
e) de transmissão e recepção de dados que permite a comunicação entre
servidores, em tempo real.
Resolução:
descobertos.
Gabarito: Letra A.

Prof. Ramon Souza
11- (FCC - 2017 - TRT - 11ª Região (AM e RR) - Técnico Judiciário -
Tecnologia da Informação) Sistemas do tipo I e do tipo II realizam tarefas
diferentes, porém complementares. O tipo I é adequado para atividades como
indexação de dados, alocação de custos, análises de séries temporais e análises
“what-if”. Porém, a maioria dos sistemas do tipo I não tem a capacidade de
realizar inferências indutivas, processo que permite chegar a conclusões
genéricas a partir de exemplos específicos, que são uma característica nativa
de sistemas do tipo II. Sistemas do tipo I fornecem uma visão multidimensional
de dados, incluindo suporte a hierarquias. Essa visão de dados é uma forma
natural de analisar negócios e organizações. Sistemas do tipo II, por outro lado,
podem ajudar a detectar tendências, encontrar padrões e relações entre as
informações disponíveis em bancos de dados. Os sistemas do tipo II podem
encontrar informações ocultas nos dados disponíveis, mas é o gestor quem deve
atribuir o valor de cada uma dessas descobertas para a organização.
Os sistemas do tipo I e II são, correta e respectivamente,
a) Data Warehouse e Data Mining.
b) Banco de Dados Multidimensional e Banco de Dados Relacional.
c) Data Mining e Data Warehouse.
d) OLAP e Data Mining.
e) OLAP e Data Warehouse.
Resolução:
I. O OLAP é uma abordagem para responder rapidamente questões ad
hoc através da execução de consultas analíticas multidimensionais em
repositórios de dados organizacionais (data warehouses, data marts).
Porém, os sistemas OLAP não têm capacidades para realizar inferências.
II. Para descobrir padrões em dados e realizar inferências usamos data mining.
A mineração de dados é entendida como o processo não trivial de
identificar padrões válidos, novos, potencialmente úteis e, em última
instância, compreensíveis em dados armazenados em bancos de dados
estruturados.
Gabarito: Letra D.
12- (FCC - 2014 - TRF - 3ª REGIÃO - Analista Judiciário - Informática -

Banco de Dados) Mineração de dados é a investigação de relações e padrões
globais que existem em grandes bancos de dados, mas que estão ocultos no
grande volume de dados. Com base nas funções que executam, há diferentes
técnicas para a mineração de dados, dentre as quais estão:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo
de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados

Prof. Ramon Souza
a ataques maliciosos a servidores de dados também estão envolvidos em

processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo:
32% de pessoas do sexo feminino após ajuizarem uma causa contra o INSS
solicitando nova perícia médica ajuízam uma causa contra o INSS solicitando
ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada
para identificar os atributos de um determinado grupo que fazem a
discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:
a) I - Padrões sequenciais
II - Redes Neurais
III - Árvore de decisão
b) I - Redes Neurais
II - Árvore de decisão
III - Padrões sequenciais
c) I - Associação
II - Padrões sequenciais
III - Classificação
d) I - Classificação
II - Associação
III - Previsão
e) I - Árvore de decisão
II - Classificação
III - Associação
Resolução:
Vamos analisar cada um dos itens:
I. Os padrões de associação podem identificar afinidades existentes entre um
conjunto de itens em um dado grupo de registros. As regras de associação
correlacionam a presença de um item com uma faixa de valores para um
conjunto de variáveis diverso.
II. Os padrões sequenciais podem identificar sequências que ocorrem em
determinados registros. Os padrões sequenciais são regras de associação que
utilizam relações por meio da sequencia de eventos ou ações.

Prof. Ramon Souza
III. Na classificação, as categorias são definidas antes da análise dos dados.

Na Classificação (ou indução supervisionada) tem como objetivo criar uma
hierarquia de classes com base em um conjunto existente de eventos ou
transações.
Gabarito: Letra C.
13- (FCC - 2011 - INFRAERO - Analista de Sistemas - Administrador de

Banco de Dados) No âmbito da descoberta do conhecimento (KDD), a visão
geral das etapas que constituem o processo KDD (Fayyad) e que são executadas
de forma interativa e iterativa apresenta a seguinte sequência de etapas:
a) seleção, pré-processamento, transformação, data mining e
interpretação/avaliação.
b) seleção, transformação, pré-processamento, interpretação/avaliação e data
mining.
c) data warehousing, star modeling, ETL, OLAP e data mining.
d) ETL, data warehousing, pré-processamento, transformação e star modeling.
e) OLAP, ETL, star modeling, data mining e interpretação/avaliação.
Resolução:
Segundo Navathe, o processo de descoberta de conhecimento (KDD)
compreende seis fases: seleção de dados, limpeza de dados, enriquecimento,
transformação ou codificação de dados, mineração de dados e o relatório e
exibição da informação descoberta. Geralmente, as quatro primeiras fases
são ditas de pré-processamento.
Contudo, essa questão adotou as fases propostas por Figueira, que são:
▪ Seleção: é a etapa de agrupamento(organizado) dos dados
▪ Pré-processamento: neste momento os dados passam por uma
adequação. Ao final do processo, devem possuir o formato correto e não
apresentar duplicidade, entrer outras características;
▪ Transformação: é a etapa de armazenamento dos dados de forma a
facilitar o usi das técnicas de Data Mining;
▪ Data Mining: é a principal atividade do conhecimento, aplicando, para
este fim, algoritmos de descoberta de padrões;
▪ Interpretação e avaliação: como o nome diz, esta fase consiste em
interpretar os dados gerados e verificar se possuem alguma validade para
o problema proposto.
Gabarito: Letra A.

Prof. Ramon Souza
14- (FCC - 2011 - TRT - 14ª Região (RO e AC) - Analista Judiciário -
Tecnologia da Informação) No contexto de DW, é uma categoria de
ferramentas de análise denominada open-end e que permite ao usuário avaliar
tendências e padrões não conhecidos entre os dados. Trata-se de
a) slice.
b) star schema.
c) ODS.
d) ETL.
e) data mining.
Resolução:
descobertos.
Gabarito: Letra E.
15- (FCC - 2010 - TRF - 4ª REGIÃO - Analista Judiciário - Tecnologia da

Informação) Sobre data mining, é correto afirmar:
a) É o processo de descoberta de novas correlações, padrões e tendências entre
as informações de uma empresa, por meio da análise de grandes quantidades
de dados armazenados em bancos de dados usando técnicas de reconhecimento
de padrões, estatísticas e matemáticas.
b) Não requer interação com analistas humanos, pois os algoritmos utilizados
conseguem determinar de forma completa e eficiente o valor dos padrões
encontrados.
c) Na mineração de dados, encontrar padrões requer que os dados brutos sejam
sistematicamente "simplificados", de forma a desconsiderar aquilo que é
genérico e privilegiar aquilo que é específico.
d) É um grande banco de dados voltado para dar suporte necessário nas
decisões de usuários finais, geralmente gerentes e analistas de negócios.
e) O processo de descobrimento realizado pelo data mining só pode ser utilizado
a partir de um data warehouse, onde os dados já estão sem erros, sem
duplicidade, são consistentes e habilitam descobertas abrangentes e precisas.
Resolução:

Prof. Ramon Souza

descobertos.
Tecnicamente falando, a mineração de dados é um processo que utiliza
técnicas de estatística, matemática e inteligência artificial para extrair
e identificar informações úteis e subsequentes conhecimentos (ou
padrões) em grandes conjuntos de dados.
Em outro conceito, a mineração de dados é entendida como o processo não
trivial de identificar padrões válidos, novos, potencialmente úteis e, em
última instância, compreensíveis em dados armazenados em bancos de dados
estruturados.
Gabarito: Letra A.
16- (FCC - 2010 - TCM-PA - Técnico em Informática) Especificamente, um

data mining onde as tendências são modeladas conforme o tempo, usando
dados conhecidos, e as tendências futuras são obtidas com base no modelo
possui a forma de mining
a) textual.
b) flocos de neve.
c) espacial.
d) estrela.
e) preditivo.
Resolução:
A mineração de dados constrói modelos para identificar padrões entre os
atributos apresentados no conjunto de dados, usando dados existentes e
relevantes. Os modelos são as representações matemáticas (relações entre as
variáveis) que identificam os padrões entre os atributos dos objetos descritos
no conjunto de dados. Alguns desses padrões são explicativos (explicando as
inter-relações e afinidades entre os atributos), e outros
são preditivos (prevendo os valores futuros de certos atributos).
A Predição (ou previsão) busca descrever a natureza de ocorrências
futuras de certos eventos com base nos acontecimentos
passados. Difere da adivinhação, pois leva em consideração as experiências,
opiniões e outras informações relevantes na condução da previsão. Dependendo
da natureza da predição, podemos falar em classificação ou regressão.
Gabarito: Letra E.

Prof. Ramon Souza
17- (FCC - 2010 - TCE-SP - Agente da Fiscalização Financeira -

Informática - Produção e Banco de Dados) NÃO é um objetivo da mineração
de dados (mining), na visão dos diversos autores,
a) garantir a não redundância nos bancos transacionais.
b) conhecer o comportamento de certos atributos no futuro.
c) possibilitar a análise de determinados padrões de eventos.
d) categorizar perfis individuais ou coletivos de interesse comercial.
e) apoiar a otimização do uso de recursos limitados e/ou maximizar variáveis
de resultado para a empresa.
Resolução:
base em grandes quantidades de dados.
Segundo Navathe, de um modo geral, estes objetivos se encontram nas
seguintes classes:
❖ Previsão: a mineração de dados pode mostrar como certos atributos
dos dados se comportarão no futuro. Para realizar a previsão (ou
prognóstico), a lógica de negócios é utilizada em conjunto com a
mineração de dados. Ex.: previsão de compras sob certos descontos.
❖ Identificação: os padrões de dados podem ser usados para identificar
a existência de um item, um evento ou uma atividade. Ex.: intrusos
tentando quebrar um sistema.
❖ Classificação: a mineração de dados pode particionar os dados de
modo que diferentes classes ou categorias possam ser identificadas
com base em combinações de parâmetros. Ex.: segmentação de clientes.
❖ Otimização: um objeto relevante da mineração de dados pode ser
otimizar o uso de recursos limitados, como tempo, espaço, dinheiro
ou materiais e maximizar variáveis de saída como vendas ou lucros sob
determinadas restrições.
Vamos avaliar cada um dos itens:
a) Incorreto: garantir a não redundância nos bancos transacionais é objetivo
da normalização.
b) Correto: Previsão.
c) Correto: Identificação.
d) Correto: Classificação.
e) Correto: Otimização.
Gabarito: Letra A.

Prof. Ramon Souza

Informática - Produção e Banco de Dados) A data mining apoia o
conhecimento indutivo que pode ser representado por
I. Lógica proposicional.
II. Árvores de decisão.
III. Redes neurais.
IV. Redes semânticas.
Está correto o que consta em
a) I e III, apenas.
b) II e III, apenas.
c) II, III e IV, apenas.
d) I, II e IV, apenas.
e) I, II, III e IV.
Resolução:
Segundo Navathe, o Data Mining apoia o conhecimento indutivo, que descobre
novas regras e padrões nos dados fornecidos. O conhecimento pode ser
representado de muitas formas. Em um senso não estruturado, pode ser
representado por regras ou por lógica proposicional. Em uma forma
estruturada, pode ser representado por árvores de decisão, redes
semânticas, redes neurais ou hierarquias de classes ou frames.
Para complementar, vejamos um pouco sobre cada um dos itens:
I. Correto: A lógica proposicional é um sistema formal no qual as fórmulas
representam proposições que podem ser formadas pela combinação de
proposições atômicas usando conectivos lógicos e um sistema de regras de
derivação, que permite que certas fórmulas sejam estabelecidas como
"teoremas" do sistema formal.
II. Correto: As árvores de decisão classificam os dados em um número
finito de classes com base nos valores das variáveis de entrada. As
árvores de decisão são essencialmente uma hierarquia de declarações se-então
e, portanto, são significativamente mais rápidas do que as redes neurais.
III. Correto: As redes neurais apresentam como principal desvantagem a
dificuldade de se interpretar as previsões feitas. Além disso, as redes
neurais tendem a necessitar de treinamento considerável, que demanda
maior tempo à medida que aumenta a quantidade de dados.
IV. Correto: Uma rede semântica representa o conhecimento como um grafo
direcionado no qual os vértices representam conceitos, e as arestas
representam relações semânticas entre os conceitos.
Gabarito: Letra E.

Prof. Ramon Souza

Informática - Produção e Banco de Dados) Uma das abordagens de mining
define que, se uma regra de classificação é considerada uma função sobre
variáveis que as mapeia em uma classe destino, a regra é chamada
a) categorização.
b) Apriori.
c) algoritmo genético.
d) regressão.
e) minimização.
Resolução:
Vamos avaliar cada uma das alternativas:
a) Incorreto: A mineração de dados pode particionar os dados de modo
que diferentes classes ou categorias possam ser identificadas com base em
combinações de parâmetros. Ex.: segmentação de clientes.
b) Incorreto: Apriori é o algoritmo mais utilizado para descobrir regras de
associação. Dado um conjunto de conjuntos de itens (por exemplo,
conjuntos de transações de varejo com a listagem de itens individuais
adquiridos), o algoritmo tenta encontrar subconjuntos comuns a pelo
menos um número mínimo de conjuntos de itens (isto é, cumpre com um
suporte mínimo).
c) Incorreto: Os algoritmos genéticos são implementados como
uma simulação de computador em que uma população de
representações abstratas de solução é selecionada em busca de
soluções melhores.
d) Correto: A regressão é uma aplicação especial da regra de
classificação, que ocorre quando esta regra de classificação é uma função
sobre as variáveis mapeando essas variáveis em uma variável de classe de
destino. Ex.: identificar a probabilidade de um paciente sobreviver com base em
variáveis como grau de infecção ou idade.
e) Incorreto: Minimização não está relacionada com a mineração de dados.
Gabarito: Letra D.

Prof. Ramon Souza

Informática - Produção e Banco de Dados) Considere uma dada população
de eventos ou novos itens que podem ser particionados (segmentados) em
conjuntos de elementos similares, tal como, por exemplo, uma população de
dados sobre uma doença que pode ser dividida em grupos baseados na
similaridade dos efeitos colaterias produzidos. Como um dos modos de
descrever o conhecimento descoberto durante a data mining este é chamado de
a) associação.
b) otimização.
c) classificação.
d) clustering.
e) temporização.
Resolução:
Vamos avaliar cada uma das alternativas:
a) Incorreto: A associação visa descobrir relacionamentos entre
variáveis em grandes bancos de dados. Dito de outro modo, as regras de
associação correlacionam a presença de um item com uma faixa de valores para
um conjunto de variáveis diverso.
b) Incorreto: Um objetivo relevante da mineração de dados pode ser otimizar
o uso de recursos limitados, como tempo, espaço, dinheiro ou materiais e
maximizar variáveis de saída como vendas ou lucros sob determinadas
restrições.
c) Incorreto: A classificação tem como objetivo criar uma hierarquia de
classes com base em um conjunto existente de eventos ou transações.
Este modelo consiste em generalizações sobre os registros, distinguindo-os com
base nas classes pré-definidas.
d) Correto: O clustering é a partição de uma coleção de coisas, eventos ou
itens em segmentos cujos membros são características semelhantes. Ao
contrário da classificação, no agrupamento, as classes são previamente
desconhecidas.
e) Incorreto: A temporização não está relacionada com a mineração de
dados.
Gabarito: Letra D.

Prof. Ramon Souza
21- (CESPE - 2018 - FUB - Técnico de Tecnologia da Informação) Julgue

o item a seguir, a respeito de data mining e OLAP.
No data mining, uma regra de associação relaciona a presença de um conjunto
de itens com outra faixa de valores de um outro conjunto de variáveis.
Resolução:
dados. Graças a tecnologias automatizadas de coleta de dados, o uso de regras
de associação para descobrir os relacionamentos entre os produtos em
transações de larga escala registradas nos sistemas de ponto de venda nos
supermercados tornou-se uma tarefa comum de descoberta de conhecimento
no ramo varejista, em que é chamada de análise de cesta de mercado.
Gabarito: Certo.
22- (CESPE - 2018 - TCE-MG - Analista de Controle Externo - Ciência da

Computação) Na técnica de árvore de decisão em data mining, é empregada
a abordagem denominada
a) análise de volumetria.
b) combinação de variáveis.
c) estratificação.
d) avaliação de dados.
e) percepção.
Resolução:
classes com base nos valores das variáveis de entrada. As árvores de
decisão são essencialmente uma hierarquia de declarações se-então e,
portanto, são significativamente mais rápidas do que as redes neurais. Elas são
mais apropriadas para dados categorizados e intervalos de dados. Portanto,
incorporar variáveis contínuas em uma estrutura de árvore de decisão requer
discretização; ou seja, converter variáveis numéricas de valor contínuo em
intervalos e categorias.
Estratificar significa separar em níveis. Logo, a árvore de decisão auxilia nesse
processo, separando as classes com base nos valores de entrada.
Gabarito: Letra C.

Prof. Ramon Souza
23- (CESPE - 2018 - Polícia Federal - Perito Criminal Federal -

Conhecimentos Básicos - Todas as Áreas) Acerca de banco de dados, julgue
o seguinte item.
A mineração de dados se caracteriza especialmente pela busca de informações
em grandes volumes de dados, tanto estruturados quanto não estruturados,
alicerçados no conceito dos 4V’s: volume de mineração, variedade de
algoritmos, velocidade de aprendizado e veracidade dos padrões.
Resolução:
A questão está relacionada a Big Data e não a Mineração de Dados.
O Big Data foi inicialmente conceituado com base em três premissas básicas,
também conhecidas como 3Vs: volume, velocidade e variedade. Além dessas
premissas precursoras do conceito de Big Data, outras premissas (ou Vs)
complementam o conceito e têm sido discutidas quando se trata do tema.
Gabarito: Errado.

o seguinte item.
Descobrir conexões escondidas e prever tendências futuras é um dos objetivos
da mineração de dados, que utiliza a estatística, a inteligência artificial e os
algoritmos de aprendizagem de máquina.
Resolução:
descobertos.
estruturados.
Gabarito: Certo.

Prof. Ramon Souza
25- (CESPE - 2018 - Polícia Federal - Agente de Polícia Federal) Julgue

o item que segue, relativo a noções de mineração de dados, big data e
aprendizado de máquina.
Pode-se definir mineração de dados como o processo de identificar, em dados,
padrões válidos, novos, potencialmente úteis e, ao final, compreensíveis.
Resolução:
descobertos.
estruturados.
Gabarito: Certo.
26- (CESPE - 2018 - IPHAN - Analista I - Área 7) Julgue o item que se

segue, a respeito de tecnologias de sistemas de informação.
Na busca de padrões no data mining, é comum a utilização do aprendizado não
supervisionado, em que um agente externo apresenta ao algoritmo alguns
conjuntos de padrões de entrada e seus correspondentes padrões de saída,
comparando-se a resposta fornecida pelo algoritmo com a resposta esperada.
Resolução:
A questão descreve a aprendizagem supervisionada.
A classificação é o processo de aprender um modelo que descreve
diferentes classes de dados. As classes são predefinidas e, portanto, esse
tipo de atividade é também chamado de aprendizado supervisionado.
Já na clusterização, o objetivo é classificar casos (por exemplo, pessoas,
coisas, eventos) em grupos ou clusters, de modo que o grau de
associação seja forte entre os membros do mesmo cluster e fraco entre
os membros de diferentes clusters. Contudo, as classes não são
previamente definidas, logo falamos em aprendizado não supervisionado.
Gabarito: Errado.

Prof. Ramon Souza
27- (CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo)

Assinale a opção correta a respeito do CRISP-DM.
a) CRISP-DM é uma suíte de ferramentas proprietárias que vem se tornando
um padrão da indústria para mineração de dados, uma vez que fornece um
plano completo e tecnologias para a realização de um projeto de mineração de
dados.
b) A verificação da qualidade dos dados é uma atividade da fase de
entendimento dos dados.
c) Durante a fase de preparação dos dados, é realizado um inventário de
requisitos, suposições e restrições de recursos.
d) Na fase de avaliação dos dados, são realizadas as atividades de identificar
valores especiais dos dados e catalogar seu significado.
e) Na fase de preparação dos dados, são realizadas as atividades de analisar o
potencial de implantação de cada resultado e estimar o potencial de melhoria
do processo atual.
Resolução:
a) Incorreto: O modelo de referência CRISP-DM é provavelmente o mais
popular e foi proposto por um consórcio de empresas europeu para servir como
metodologia padrão não proprietária para a mineração de dados.
b) Correto: A fase de entendimento dos dados começa com uma coleta
inicial de dados e prossegue com atividades para se familiarizar com os
dados, identificar problemas de qualidade de dados, descobrir novos
insights sobre os dados ou detectar subconjuntos interessantes para
formar hipóteses para informações ocultas.
c) Incorreto: Durante a fase de preparação dos dados entendimento do
negócio, é realizado um inventário de requisitos, suposições e restrições de
recursos.
d) Incorreto: Na fase de avaliação dos dados modelagem, são realizadas as
atividades de identificar valores especiais dos dados e catalogar seu significado.
e) Incorreto: Na fase de preparação dos dados teste e avaliação, são
realizadas as atividades de analisar o potencial de implantação de cada
resultado e estimar o potencial de melhoria do processo atual.
Gabarito: Letra B.

Prof. Ramon Souza
28- (CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo) A

respeito das técnicas e(ou) métodos de mineração de dados, assinale a opção
correta.
a) O agrupamento (ou clustering) realiza identificação de grupos de dados que
apresentam coocorrência.
b) A classificação realiza o aprendizado de uma função que pode ser usada para
mapear os valores associados aos dados em um ou mais valores reais.
c) A regressão ou predição promove o aprendizado de uma função que pode ser
usada para mapear dados em uma de várias classes discretas definidas
previamente, bem como encontrar tendências que possam ser usadas para
entender e explorar padrões de comportamento dos dados.
d) As regras de associação identificam grupos de dados, em que os dados têm
características semelhantes aos do mesmo grupo e os grupos têm
características diferentes entre si.
e) Os métodos de classificação supervisionada podem ser embasados em
separabilidade (entropia), utilizando árvores de decisão e variantes, e em
particionamento, utilizando SVM (support vector machines).
Resolução:
a) Incorreto: O agrupamento (ou clustering) As regras de associação
realizam identificação de grupos de dados que apresentam coocorrência.
b) Incorreto: A classificação regressão realiza o aprendizado de uma função
que pode ser usada para mapear os valores associados aos dados em um ou
mais valores reais.
c) Incorreto: A regressão ou predição classificação promove o aprendizado
de uma função que pode ser usada para mapear dados em uma de várias classes
discretas definidas previamente, bem como encontrar tendências que possam
ser usadas para entender e explorar padrões de comportamento dos dados.
d) Incorreto: As regras de associação A clusterização identificam grupos de
dados, em que os dados têm características semelhantes aos do mesmo grupo
e os grupos têm características diferentes entre si.
e) Correto: Os métodos de classificação supervisionada podem ser embasados
em separabilidade (entropia), utilizando árvores de decisão e variantes, e em
Gabarito: Letra E.

Prof. Ramon Souza
29- (CESPE - 2018 - STJ - Técnico Judiciário - Desenvolvimento de

Sistemas) Julgue o item que se segue, acerca de data mining e data
warehouse.
O processo de mineração de dados está intrinsecamente ligado às dimensões e
a fato, tendo em vista que, para a obtenção de padrões úteis e relevantes, é
necessário que esse processo seja executado dentro dos data warehouses.
Resolução:
É importante destacar que a mineração de dados pode ser utilizada junto com
um data warehouse para ajudar com certos tipos de decisões. Porém, não está
restrita a um DW, podendo ser aplicada também a bancos de dados
operacionais com transações individuais. Alguns recursos de mineração são
fornecidos por SGBDs relacionais, mas de forma limitada.
Gabarito: Errado.
30- (CESPE - 2017 - TCE-PE - Analista de Controle Externo - Auditoria

de Contas Públicas) Em relação à análise de agrupamentos (clusterização)
em mineração de dados, julgue o item seguinte.
O método de clustering k-means objetiva particionar ‘n’ observações entre ‘k’
grupos; cada observação pertence ao grupo mais próximo da média.
Resolução:
A análise de clusters pode ser baseada em métodos estatísticos como o k-means
(media), k-modes (moda), k-medoids (mediana), etc.
O K-means (k média) é o algoritmo que atribui cada ponto de dados
(cliente, evento, objeto, etc.) ao cluster cujo centro (também chamado
centróide) é o mais próximo. O centro é calculado como a média de todos
os pontos no cluster; ou seja, suas coordenadas são a média aritmética para
cada dimensão separadamente em todos os pontos do cluster.
Gabarito: Certo.
31- (CESPE - 2017 - TCE-PE - Auditor de Controle Externo - Auditoria

de Contas Públicas) Julgue o seguinte item, que se refere a CRISP-DM (Cross-
Industry Standard Process of Data Mining).
Durante a fase de entendimento do negócio, busca-se descrever claramente o
problema, fazer a identificação dos dados e verificar se as variáveis relevantes
para o projeto não são interdependentes.
Resolução:
Há um equívoco quanto a fase descrita no item. O item descreve a fase de
entendimento dos dados e não a de entendimento do negócio.

Prof. Ramon Souza
A fase de entendimento do negócio objetiva o entendimento das

necessidades gerenciais e das especificações de objetivos de negócio.
Um plano de projeto para busca de conhecimento é desenvolvido de
modo a especificar as pessoas responsáveis por coletar, analisar e reportar
dados. Um orçamento de alto nível pode ser estabelecido.
Na fase de entendimento de dados, busca-se a identificação dos dados
relevantes das diferentes fontes de dados. O analista deve considerar a
tarefa de data mining a ser realizada e construir um conhecimento acerca
das bases de dados e variáveis.
Gabarito: Errado.
32- (CESPE - 2017 - TRE-BA - Analista Judiciário – Análise de Sistemas)

O agrupamento de dados no processo de data mining procura, em uma massa
de dados que caracterizam uma população de indivíduos, grupos semelhantes
e diferentes. O algoritmo baseado na teoria dos grafos e que dispensa a
definição de protótipos utilizado para segmentar a base de dados em diferentes
grupos é denominado
a) K média.
b) K medoides.
c) Apriori.
d) DBSCAN.
e) Árvore geradora mínima.
Resolução:
Questão que define árvore geradora mínima, portanto o Gabarito é letra E.
Vejamos os conceitos dos demais algoritmos:
a) K média (K-means): o algoritmo atribui cada ponto de dados (cliente,
evento, objeto, etc.) ao cluster cujo centro (também chamado centróide) é o
mais próximo. O centro é calculado como a média de todos os pontos no cluster;
ou seja, suas coordenadas são a média aritmética para cada dimensão
separadamente em todos os pontos do cluster.
b) K medoides (K-medoids): o elemento que melhor representa o cluster, é
definido de acordo com seus atributos sem que haja muita influência dos valores
próximos aos limites do cluster.
c) Apriori: dado um conjunto de itens, o algoritmo tenta encontrar
subconjuntos que são comuns a, pelo menos, um número mínimo de conjuntos.
d) DBSCAN: dado um conjunto de pontos em algum espaço, agrupa pontos que
estão intimamente empacotados (pontos com muitos vizinhos próximos),
marcando como pontos atípicos que ficam sozinhos em regiões de baixa
densidade (cujos vizinhos mais próximos estão muito distantes).
Gabarito: Letra E.

Prof. Ramon Souza
33- (CESPE - 2017 - SEDF - Analista de Gestão Educacional - Tecnologia

da Informação) Com relação a data mining e data warehouse, julgue o item
que se segue.
Agrupar registros em grupos, de modo que os registros em um grupo sejam
semelhantes entre si e diferentes dos registros em outros grupos é uma maneira
de descrever conhecimento descoberto durante processos de mineração de
dados.
Resolução:
Assertiva refere-se a tarefa ou técnica de clusterização ou agrupamento.
A análise de cluster é uma ferramenta de análise exploratória de dados para
resolver problemas de classificação. O objetivo é classificar casos (por
exemplo, pessoas, coisas, eventos) em grupos ou clusters, de modo que o
grau de associação seja forte entre os membros do mesmo cluster e
fraco entre os membros de diferentes clusters.
Gabarito: Certo.
34- (CESPE - 2016 - FUNPRESP-JUD - Analista - Tecnologia da

Informação) Julgue o item subsecutivo, referente às tecnologias de bancos de
dados.
Em DataMining, as árvores de decisão podem ser usadas com sistemas de
classificação para atribuir informação de tipo.
Resolução:
classes com base nos valores das variáveis de entrada.
As árvores de decisão são ferramentas que podem ser utilizadas para a
classificação dos dados. Ao percorrer a árvore, a classe ou tipo dos dados será
definido. Por exemplo, um conjunto de regras definido em uma árvore pode
definir os tipos de clientes com base em riscos de crédito por meio das classes
“risco fraco”, “risco médio”, e “risco bom”.
Gabarito: Certo.
35- (CESPE - 2016 - TCE-PA - Auditor de Controle Externo - Área

Informática - Analista de Sistema) Julgue o item a seguir, em relação a data
warehouse e data mining.
No contexto de data mining, o processo de descoberta de conhecimento em
base de dados consiste na extração não trivial de conhecimento previamente
desconhecido e potencialmente útil.

Prof. Ramon Souza
Resolução:
base em grandes quantidades de dados. Pode ser entendida também como o
processo não trivial de identificar padrões válidos, novos,
potencialmente úteis e, em última instância, compreensíveis em dados
armazenados em bancos de dados estruturados.
Gabarito: Certo.
36- (CESPE - 2016 - TRT - 8ª Região (PA e AP) - Analista Judiciário -

Tecnologia da Informação) Acerca de data mining, assinale a opção correta.
a) A fase de preparação para implementação de um projeto de data mining
consiste, entre outras tarefas, em coletar os dados que serão garimpados, que
devem estar exclusivamente em um data warehouse interno da empresa.
b) As redes neurais são um recurso matemático/computacional usado na
aplicação de técnicas estatísticas nos processos de data mining e consistem em
utilizar uma massa de dados para criar e organizar regras de classificação e
decisão em formato de diagrama de árvore, que vão classificar seu
comportamento ou estimar resultados futuros.
c) As aplicações de data mining utilizam diversas técnicas de natureza
estatística, como a análise de conglomerados (cluster analysis), que tem como
objetivo agrupar, em diferentes conjuntos de dados, os elementos identificados
como semelhantes entre si, com base nas características analisadas.
d) As séries temporais correspondem a técnicas estatísticas utilizadas no cálculo
de previsão de um conjunto de informações, analisando-se seus valores ao
longo de determinado período. Nesse caso, para se obter uma previsão mais
precisa, devem ser descartadas eventuais sazonalidades no conjunto de
informações.
e) Os processos de data mining e OLAP têm os mesmos objetivos: trabalhar os
dados existentes no data warehouse e realizar inferências, buscando reconhecer
correlações não explícitas nos dados do data warehouse.
Resolução:
Vamos analisar as assertivas:
a) Incorreto: a fase de preparação de dados consiste em coletar os dados
identificados e prepará-los para análise. É a etapa que consome mais
tempo. No entanto, os dados são coletados de múltiplas fontes e não somente
de um DW interno.
b) Incorreto: item refere-se a árvores de decisão e não a redes
neurais. As redes neurais envolvem o desenvolvimento de estruturas
matemáticas (um tanto parecidas com as redes neurais biológicas no cérebro

Prof. Ramon Souza
humano) que têm a capacidade de aprender com experiências passadas

apresentadas sob a forma de conjuntos de dados bem estruturados. As árvores
de decisão classificam os dados em um número finito de classes com base nos
valores das variáveis de entrada. As árvores de decisão são essencialmente
uma hierarquia de declarações se-então.
c) Correto: gabarito da questão. Data mining é o processo que usa técnicas
estatísticas, matemáticas e de inteligência artificial para extrair e
identificar informações úteis e padrões. A análise de
clusters identifica agrupamentos naturais de coisas baseada em suas
características similares.
d) Incorreto: a análise temporal deve considerar a sazonalidade, pois
podem ser identificados comportamentos que somente ocorrem em
determinados períodos.
e) Incorreto: Data mining e OLAP são diferentes. O OLAP é uma
abordagem para responder rapidamente questões ad hoc através da execução
de consultas analíticas multidimensionais em repositórios de dados
organizacionais (data warehouses, data marts). O Data Mining é usado para
descrever o processo pelo qual são descobertos padrões em dados.
Gabarito: Letra C.
37- (CESPE - 2016 - TCE-SC - Auditor Fiscal de Controle Externo -

Informática) Julgue o item subsecutivo, acerca de mineração de dados.
Para a realização de prognósticos por meio de técnicas de mineração de dados,
parte-se de uma série de valores existentes obtidos de dados históricos bem
como de suposições controladas a respeito das condições futuras, para prever
outros valores e situações que ocorrerão e, assim, planejar e preparar as ações
organizacionais.
Resolução:
O prognóstico ou previsão pode ser realizado com o uso do data mining.
Navathe destaca a previsão como um dos quatro objetivos da mineração de
dados, sendo os outros a identificação, a classificação e a otimização.
Para ser mais assertivo, o prognóstico deve ser realizado com base na lógica
de negócios, baseando-se nos dados históricos para avaliar o comportamento
passado da organização em determinadas situações e realizando suposições de
como a organização irá se comportar em situações futuras semelhantes ou com
variações.
Gabarito: Certo.

Prof. Ramon Souza

As aglomerações, tipos de informação obtidos por meio da mineração de dados,
caracterizam-se por se ligarem a um único e específico evento, em torno do
qual ocorrem várias ações, com produção sistêmica de informações gerenciais
que apoiarão uma nova ocorrência do mesmo tipo de evento.
Resolução:
Os clusters não estão relacionados a um único e específico evento, pois
os dados de um mesmo cluster se relacionam com base em suas semelhanças.
As aglomerações ou clusters descrevem as classes a que os membros de uma
base de dados pertencem. O objetivo da análise de clusters é classificar
casos (por exemplo, pessoas, coisas, eventos) em grupos ou clusters, de
modo que o grau de associação seja forte entre os membros do mesmo
cluster e fraco entre os membros de diferentes clusters.
Gabarito: Errado.
39- (CESPE - 2016 - FUNPRESP-EXE - Especialista - Tecnologia da

Informação) Com relação à forma como os dados são armazenados e
manipulados no desenvolvimento de aplicações, julgue o item a seguir.
Na implementação de mineração de dados (data mining), a utilização da técnica
de padrões sequenciais pode ser útil para a identificação de tendências.
Resolução:
A tarefa de padrões sequenciais busca uma sequência de ações ou
eventos. A detecção de padrões sequenciais é equivalente à detecção de
associações entre eventos com certos relacionamentos temporais. Com
base nas sequências de eventos identificadas é possível avaliar as tendências,
por exemplo, se um paciente fuma excessivamente, provavelmente sofrerá com
problemas pulmonares.
Gabarito: Certo.
40- (CESPE - 2015 - TJ-DFT - Técnico Judiciário - Programação de

Sistemas) Julgue o item a seguir, a respeito de datawarehouse e de
datamining.
Em um processo de mineração, durante a etapa de preparação dos dados, são
analisados os requisitos de negócio para consolidar os dados.
Resolução:
Há um equívoco quanto a fase descrita no item. O item descreve a fase de
entendimento do negócio e não a de preparação de dados.

Prof. Ramon Souza
A fase de entendimento do negócio objetiva o entendimento das

necessidades gerenciais e das especificações de objetivos de negócio.
Um plano de projeto para busca de conhecimento é desenvolvido de
modo a especificar as pessoas responsáveis por coletar, analisar e reportar
dados. Um orçamento de alto nível pode ser estabelecido.
Na fase de preparação dos dados, o propósito é carregar os dados
identificados e prepará-los para análise por métodos de mineração de
dados. A fase de preparação de dados abrange todas as atividades para
construir o conjunto de dados final (dados que serão alimentados na
ferramenta de modelagem) a partir dos dados brutos iniciais.
Gabarito: Errado.
41- (CESPE - 2015 - TCU - Auditor Federal de Controle Externo -

Conhecimentos Gerais) No que concerne a data mining (mineração de dados)
e big data, julgue o seguinte item.
O uso prático de data mining envolve o emprego de processos, ferramentas,
técnicas e métodos oriundos da matemática, da estatística e da computação,
inclusive de inteligência artificial.
Resolução:
A mineração de dados é um processo que utiliza técnicas de estatística,
matemática e inteligência artificial para extrair e identificar
Vale ressaltar que a mineração de dados não é uma nova disciplina, mas
sim uma nova definição para o uso de muitas disciplinas. A mineração de dados
está bem posicionada na interseção de muitas disciplinas, incluindo
estatística, inteligência artificial, aprendizado de máquinas, ciência de
gestão, sistemas de informação e bancos de dados.
Gabarito: Certo.

A finalidade do uso do data mining em uma organização é subsidiar a produção
de afirmações conclusivas acerca do padrão de comportamento exibido por
agentes de interesse dessa organização.
Resolução:

Prof. Ramon Souza
base em grandes quantidades de dados. Os gestores das organizações usam

estes padrões, regras, tendências e comportamentos excepcionais para que
possam tomar decisões e agir para otimizar os negócios.
Gabarito: Certo.

No ambiente organizacional, devido à grande quantidade de dados, não é
recomendado o emprego de data mining para atividades ligadas a marketing.
Resolução:
Uma das características da mineração de dados é justamente a sua aplicação
a grandes bases de dados. Portanto, a assertiva ficaria correta da seguinte
forma: No ambiente organizacional, devido à grande quantidade de dados, não
é recomendado o emprego de data mining para atividades ligadas a marketing.
A mineração de dados é amplamente utilizada em diversos ramos. As
pesquisas genéticas, astronômicas, físicas, médicas e farmacêuticas são
bastante auxiliadas com as técnicas de mineração de dados. No ramo comercial,
a mineração pode ser utilizada em diversos setores, como o financeiro, varejo,
marketing e manufatura.
Gabarito: Errado.

Quem utiliza o data mining tem como objetivo descobrir, explorar ou minerar
relacionamentos, padrões e vínculos significativos presentes em grandes
massas documentais registradas em arquivos físicos (analógicos) e arquivos
lógicos (digitais).
Resolução:
O data mining é utilizado para encontrar padrões em grandes bases de dados.
Novas ferramentas sofisticadas ajudam a recuperar informações de
arquivos corporativos e registros públicos e podem extrair dados de
bancos não estruturados (ex. bancos do Lotus Notes, textos e intranets
empresariais). No entanto, não há de se falar em análise de dados
registrados em arquivos físicos, pois isto não é possível com ferramentas de
data mining. Para realizar análise das informações destes arquivos físicos
através da mineração de dados, estes devem ser primeiramente transformados
em arquivos lógicos por meio de digitalização com reconhecimento de texto e,
então, utilizar-se ferramentas avançadas de mineração de texto para análise.
Gabarito: Errado.

Prof. Ramon Souza
45- (CESPE - 2015 - DEPEN - Agente Penitenciário Federal - Área 7)

Acerca de datawarehouse e datamining, julgue o item subsequente.
Os objetivos do datamining incluem identificar os tipos de relacionamentos que
se estabelecem entre informações armazenadas em um grande repositório.
Resolução:
Um dos objetivos do datamining é a classificação dos dados que consiste em
particionar os dados de modo que diferentes classes ou categorias
possam ser identificadas com base em combinações de parâmetros.
O conhecimento descoberto com o uso do data mining pode ser descrito por
meio de associação, classificação, agrupamento, padrões sequenciais e padrões
temporais que representam relacionamentos entre as informações com base em
algum critério pré-estabelecido ou definido durante a própria análise.
Gabarito: Certo.
46- (CESPE - 2015 - MEC - Administrador de Banco de Dados) Julgue o

item seguinte, referente a data mining.
Selecionar uma amostra e determinar os conjuntos de itens frequentes dessa
amostra para formar a lista de previsão de subconjunto são as principais
características do algoritmo de previsão.
Resolução:
A questão descreve os algoritmos de amostragem utilizados nas regras
de associação e não os algoritmos de previsão. Segundo Navathe, a ideia
principal para o algoritmo de amostragem é selecionar uma amostra pequena
e determinar os conjuntos de dados (itemsets) frequentes com base na
amostra.
Gabarito: Errado.

A predição em algoritmos de data mining objetiva modelar funções sobre
valores para apresentar o comportamento futuro de determinados atributos.
Resolução:
Assertiva conforme o objetivo da predição.
A Predição (ou previsão) busca descrever a natureza de ocorrências
futuras de certos eventos com base nos acontecimentos passados.
Difere da adivinhação, pois leva em consideração as experiências, opiniões e
outras informações relevantes na condução da previsão. Dependendo da
natureza da predição, podemos falar em classificação ou regressão.
Gabarito: Certo.

Prof. Ramon Souza

O conhecimento obtido no processo de data mining pode ser classificado como
uma regra de associação quando, em um conjunto de eventos, há uma
hierarquia de tuplas sequenciais.
Resolução:
Questão misturou a classificação com a associação. Uma hierarquia está
relacionada às tarefas de classificação e não de associação.
A Associação (ou aprendizagem de regras) visa descobrir
relacionamentos entre variáveis em grandes bancos de dados. Dito de outro
modo, as regras de associação correlacionam a presença de um item com uma
faixa de valores para um conjunto de variáveis diverso.
Gabarito: Errado.
49- (CESPE - 2015 - MEC - Administrador de Banco de Dados) Acerca de

data warehouse (DW), Business Intelligence (BI) e data mining, julgue o item
que se segue.
Situação hipotética: Após o período de inscrição para o vestibular de
determinada universidade pública, foram reunidas informações acerca do perfil
dos candidatos, cursos inscritos e concorrências. Ademais, que, por meio das
soluções de BI e DW que integram outros sistemas, foram realizadas análises
para a detecção de relacionamentos sistemáticos entre as informações
registradas.
Assertiva: Nessa situação, tais análises podem ser consideradas como data
mining, pois agregam valor às decisões do MEC e sugerem tendências, como,
por exemplo, o aumento no número de escolas privadas e a escolha de
determinado curso superior.
Resolução:
Item corretíssimo. A mineração de dados (data mining) refere-se à
mineração ou descoberta de novas informações em termos de padrões
ou regras com base em grandes quantidades de dados. Os gestores das
organizações usam estes padrões, regras, tendências e comportamentos
excepcionais para que possam tomar decisões e agir para otimizar os negócios.
Gabarito: Certo.

Prof. Ramon Souza

Algoritmo genético é uma das ferramentas do data mining que utiliza
mecanismos de biologia evolutiva, como hereditariedade, recombinação,
seleção natural e mutação, para solucionar e agrupar problemas.
Resolução:
Os algoritmos genéticos podem ser usados na mineração de dados tanto para
realizar a análise de clusters quanto para a classificação.
Os Algoritmos genéticos são implementados como uma simulação de
computador em que uma população de representações abstratas de
solução é selecionada em busca de soluções melhores. A evolução geralmente
se inicia a partir de um conjunto de soluções criado aleatoriamente e é realizada
por meio de gerações. A cada geração, a adaptação de cada solução na população
é avaliada, alguns indivíduos são selecionados para a próxima geração, e
recombinados ou mutados para formar uma nova população. A nova população
então é utilizada como entrada para a próxima iteração do algoritmo.
Gabarito: Certo.
Caderno de Questões Sobre o Tema

O caderno referente ao assunto desta aula pode ser acessado em Caderno de
Questões – Data Mining.

Prof. Ramon Souza
10. RISCO EXPONENCIAL
Mineração de dados
Processo não trivial de

Descoberta de novas
identificar padrões válidos,
informações em termos de
novos, potencialmente úteis e
padrões ou regras.
compreensíveis.
Mineração de
dados
Não é uma nova disciplina,
(Extração de Utiliza técnicas de estatística, mas uma interseção de muitas
conhecimento, análise matemática e inteligência (estatística, inteligência artificial,
de padrões, artificial. aprendizado de máquinas, ciência de gestão,
arqueologia de dados, sistemas de informação e bancos de dados).
busca de padrões ou
dragagem de dados)
Pesquisas.
Finanças, varejo, marketing,
Amplamente utilizada em
manufatura e saúde.
diversos ramos
Vantagem competitiva
estratégica.
Características da mineração de dados
Bancos de dados
muito grandes
Arquitetura
Requer, por vezes, cliente/servidor ou
processamento uma baseada na
paralelo Web
Características Ferramentas
Fácil combinação
da mineração de sofisticadas para
com outras
dados recuperação de
ferramentas
informações
Resultados
inesperados e Consultas sem
exigência de conhecimento de
pensamento criativo programação
Objetivos da mineração de dados
Objetivos finais ou aplicações da mineração de dados
Previsão Identificação Classificação Otimização

Prof. Ramon Souza
CRISP-DM
❖ Entendimento das necessidades ❖ Identificação dos dados relevantes

gerenciais e das especificações de das diferentes fontes de dados.
objetivos e requisitos de negócio.
❖ Começa com a coleta inicial de dados e
❖ Desenvolvimento de um plano de prossegue com atividades para se
projeto para busca de conhecimento familiarizar com os dados, identificar
para a identificação das pessoas problemas de qualidade de dados,
responsáveis por coletar, analisar e descobrir novos insights sobre os
reportar dados. Um orçamento de alto dados ou detectar subconjuntos
nível pode ser estabelecido. interessantes para formar hipóteses.
❖ Carga dos dados e preparação

para análise por métodos de
❖ Abrange as atividades para

construir o conjunto de dados
final a partir dos dados brutos
iniciais.
❖ Consome mais tempo e esforço

(~ 80% do tempo total).
❖ Seleção e aplicação de técnicas

de modelagem para atender às
necessidades específicas do
negócio.
❖ Também compreende a
avaliação e comparação das
análises realizadas com os
diversos modelos construídos.
❖ Conhecimento adquirido com a ❖ Os modelos desenvolvidos são

exploração dos é organizado e testados e avaliados quanto à sua
apresentado de forma que o precisão e generalidade.
usuário possa entendê-lo e tirar
benefício dele. ❖ Esta etapa avalia o grau em que o
modelo selecionado (ou modelos)
❖ Também pode incluir atividades de atende aos objetivos comerciais.
manutenção para os modelos
implantados. ❖ Tarefa crítica e desafiadora.

Prof. Ramon Souza
Técnicas para pré-processamento (Navathe)
Tarefas de pré-processamento (Navathe)

Dados selecionados das diferentes basesPr
Seleção de dados Limpeza de Enriquecimento Transformação

Dados selecionados dados Melhoria com base de dados e
das diferentes bases Correção dos dados em fontes adicionais codificação
Redução da
quantidade de dados
Técnicas de pré-processamento (CRISP-DM)

Prof. Ramon Souza
Técnicas e tarefas de mineração de dados
Classes são pré-definidas. Classificação
Hierarquia de classes com

Predição base em um conjunto
existente de eventos ou
Descrever a natureza
transações.
de ocorrências futuras
de certos eventos com
base nos
acontecimentos Regressão
passados.
Regra de classificação que é
uma função sobre variáveis.
Tarefas ou técnicas de mineração de dados
Análise de ligações
A ligação entre os diversos

objetos é descoberta
automaticamente.
Associação
Padrões sequenciais
Descobrir
relacionamentos
entre variáveis em Uma sequência de ações ou
grandes bancos de eventos é buscada.
dados.
Padrões de séries temporais
Classes são
As similaridades entre os
previamente
dados podem ser detectadas
desconhecidas.
dentro de posições de uma
série temporal.
Agrupamento
(clusterização)
Análise de outliers
Partição de uma
coleção de eventos ou Identificação dos dados que
itens em segmentos não apresentam o
cujos membros são comportamento padrão.
características
semelhantes.

Prof. Ramon Souza
Classificação
Processo de aprender
um modelo que Classes pre-
descreve diferentes definidas.
classes de dados.
Classificação
Ferramentas
comuns
Aprendizado
Estatística Emergentes
de máquina
Máquinas
Árvores Análise Conjuntos de Algoritmo
Redes Regressão
de discrimina aproxima vetores s
neurais loigística
decisão tória dos de genéticos
suporte
Associação
Técnica popular para descobrir

relacionamentos interessantes
entre variáveis.
Regras de associação
Derivações Medidas de Algoritmos

comuns interesse utilizados
PP-
Growth,
Análise de Padrões de Suporte ou Confiança
Apriori OneR,
ligações sequência prevalência ou força
ZeroR e
Eclat.

Prof. Ramon Souza
Agrupamentos (clusterização)
Método de mineração de dados essencial para Classes não são

classificar itens, eventos ou conceitos em previamente
agrupamentos comuns chamados de clusters. definidas
Agrupamentos
(clusterização)
Formas gerais Métodos gerais
Redes Lógica Algoritmos

Divisivo Aglomerativo Estatísticos
neurais difusa genéticos
Mineração de texto (text mining)
Dados semi-
Dados não estruturados
estuturados
Ex.:
Documentos
do Word,
arquivos PDF,
trechos de
texto, arquivos
XML
2ª etapa
Extração de informações e conhecimentos

relevantes a partir desses dados estruturados
baseados em texto usando técnicas e
ferramentas de mineração de dados.

Prof. Ramon Souza
11. LISTAS DE EXERCÍCIOS

Questões comentadas durante a aula.
1- (FCC - 2018 - SABESP - Analista de Gestão - Publicidade e
Propaganda) O conceito de Data Mining descreve
a) o uso de teorias, métodos, processos e tecnologias para organizar uma
grande quantidade de dados brutos para identificar padrões de comportamentos
em determinados públicos.
b) o conjunto de métodos, tecnologias e estratégias para atração voluntária de
visitantes, buscando a conversão consistente de leads em clientes (realização
de compra).
c) as atividades coordenadas de modo sistemático por uma determinada
organização para relacionamento com os seus distintos públicos, bem como com
outras organizações, sejam públicas, privadas ou não governamentais.
d) o conjunto de tarefas e processos, organizados e sistematizados,
normalmente como uso de uma plataforma tecnológica (hardware e software,
ou até mesmo em cloud computing) para a gestão do relacionamento com
clientes.
e) o trabalho de produzir levantamento sobre os hábitos de consumo de mídia
de um determinado público, identificando horários, tempo gasto etc.,
associando ao perfil socioeconômico, potencial de consumo, persuasão etc.
2- (FCC - 2018 - TCE-RS - Auditor Público Externo - Administração

Pública ou de Empresas) O modelo de referência CRISP-DM tem seu ciclo de
vida estruturado nas seguintes 6 fases:
a) Estruturação do Negócio, Limpeza dos Dados, Indicação das Métricas,
Modelagem, Estimativa e Exportação dos Dados.
b) Otimização do Negócio, Redução dos Dados, Replicação dos Dados,
Modelagem, Importação dos Dados e Backup.
c) Entendimento do Negócio, Entendimento dos Dados, Preparação dos Dados,
Modelagem, Avaliação e Implantação.
d) Preparação do Negócio, Replicação dos Dados, Indexação dos Dados,
Diagramação do Negócio, Estimativa e Organização.
e) Otimização do Negócio, Entendimento dos Dados, Indexação dos Dados,
Exportação dos Dados, Organização e Importação dos Dados.

Prof. Ramon Souza
3- (FCC - 2015 - CNMP - Analista do CNMP - Tecnologia de Informação

e Comunicação Desenvolvimento de Sistemas) Em relação às ferramentas
de Data Discovery e os fundamentos de Data Mining, é correto afirmar:
a) As ferramentas de Data Mining permitem ao usuário avaliar tendências e
padrões não conhecidos entre os dados. Esses tipos de ferramentas podem
utilizar técnicas avançadas de computação como redes neurais, algoritmos
genéticos e lógica nebulosa, dentre outras.
b) Data Mining é o processo de descobrir conhecimento em banco de dados, que
envolve várias etapas. O KDD – Knowledge Discovery in Database é uma destas
etapas, portanto, a mineração de dados é um conceito que abrange o KDD.
c) A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na
busca de relações entre os dados. De forma geral, existem três tipos de
técnicas: Estatísticas, Exploratórias e Intuitivas. Todas são devidamente
experimentadas e validadas para o processo de mineração.
d) Os dados podem ser não estruturados (bancos de dados, CRM, ERP),
estruturados (texto, documentos, arquivos, mídias sociais, cloud) ou uma
mistura de ambos (emails, SOA/web services, RSS). As ferramentas de Data
Discovery mais completas possuem conectividade para todas essas origens de
dados de forma segura e controlada.
e) Estima-se que, atualmente, em média, 80% de todos os dados disponíveis
são do tipo estruturado. Existem diversas ferramentas open source e comerciais
de Data Discovery. Dentre as open source está a InfoSphere Data Explorer e
entre as comerciais está a Vivisimo da IBM.
4- (FCC - 2018 - DPE-AM - Analista em Gestão Especializado de

Defensoria - Analista de Banco de Dados) Dentre os algoritmos utilizados
em data mining, há um algoritmo que visa o estabelecimento de categorias, a
partir do conjunto de dados, bem como a distribuição dos dados nas categorias
estabelecidas. Essa descrição corresponde aos algoritmos de
a) classificação.
b) sumarização.
c) visualização.
d) evolução.
e) detecção de desvios.

Prof. Ramon Souza
5- (FCC - 2016 - AL-MS - Técnico de Informática) Um famoso site de

vendas sempre envia ao cliente que acabou de comprar um item X, ou o está
analisando, a seguinte frase: Pessoas que compraram o item X também
compraram o Y. Para isso, o site deve estar aplicando a técnica de Data Mining
denominada
a) profiling.
b) coocorrência.
c) regressão múltipla.
d) regressão logística.
e) classificação.

Informática - Produção e Banco de Dados) No âmbito dos algoritmos
associados ao mining, se houver um banco de dados com um número potencial
pequeno de conjuntos de itens grandes, isto é, uns poucos milhares, então o
suporte para todos eles pode ser testado em uma passagem usando a técnica
específica de
a) hierarquização.
b) partição.
c) amostragem.
d) árvore de padrão frequente.
e) séries temporais.

Banco de Dados) Funcionalidade cujo objetivo é encontrar conjuntos de dados
que não obedecem ao comportamento ou modelo dos dados. Uma vez
encontrados, podem ser tratados ou descartados para utilização em mining.
Trata-se de
a) descrição.
b) agrupamento.
c) visualização.
d) análise de outliers.
e) análise de associações.

Prof. Ramon Souza
Mineração de Dados
8- (FCC - 2018 - SEFAZ-SC - Auditor-Fiscal da Receita Estadual -
Auditoria e Fiscalização (Prova 3)) Atenção: Para responder à questão,
considere o seguinte caso hipotético:
Um Auditor da Receita Estadual pretende descobrir, após denúncia, elementos que
possam caracterizar e fundamentar a possível existência de fraudes, tipificadas como
sonegação tributária, que vêm ocorrendo sistematicamente na arrecadação do ICMS. A
denúncia é que, frequentemente, caminhões das empresas Org1, Org2 e Org3 não são
adequadamente fiscalizados nos postos de fronteiras. Inobservâncias de procedimentos
podem ser avaliadas pelo curto período de permanência dos caminhões dessas
empresas na operação de pesagem, em relação ao período médio registrado para
demais caminhões.
Para caracterizar e fundamentar a existência de possíveis fraudes, o Auditor deverá

coletar os registros diários dos postos por, pelo menos, 1 ano e elaborar demonstrativos
para análises mensais, trimestrais e anuais.
A aplicação de técnicas de mineração de dados (data mining) pode ser de grande

valia para o Auditor. No caso das pesagens, por exemplo, uma ação típica de
mining, que é passível de ser tomada com o auxílio de instrumentos preditivos,
a) quantificar as ocorrências de possíveis pesagens fraudulentas ocorridas
durante todo o trimestre que antecede a data da análise, em alguns postos
selecionados, mediante parâmetros comparativos preestabelecidos.
b) analisar o percentual de ocorrências das menores permanências de
caminhões nos postos, no último ano, em relação ao movimento total.
c) relacionar os postos onde ocorreram, nos últimos seis meses, as menores
permanências das empresas suspeitas e informar o escalão superior para a
tomada de decisão.
d) realizar uma abordagem surpresa em determinado posto, com probabilidade
significativa de constatar ocorrência fraudulenta.
e) reportar ao escalão superior as características gerais das pesagens e
permanências de todos os caminhões, nos cinco maiores postos do Estado, no
mês que antecede a data de análise.
9- (FCC - 2017 - TST - Analista Judiciário – Análise de Sistemas)

Hipoteticamente, um Analista de Sistemas, trabalhando no Tribunal Superior do
Trabalho − TST, se deparou com as seguintes questões:
1. Como o número de processos trabalhistas deste trimestre se compara com o
número de processos de um ano atrás?
2. O que se pode prever para o próximo trimestre com relação ao número de
processos trabalhistas?

Prof. Ramon Souza
3. Qual é a tendência do número de processos, medida pela variação

percentual?
4. Quem é provável que faça acordo trabalhista nos próximos seis meses?
5. Quais são as características dos casos prováveis de acordos trabalhistas?
Considerando que o Tribunal utiliza o sistema gerenciador de banco de dados
Oracle, para responder as perguntas, o Analista achou adequado o auxílio de
dois recursos, cujas descrições encontram-se abaixo:
I. Fornece dados resumidos e gera cálculos ricos, adequado para ajudar a
responder as questões 1, 2 e 3.
II. Descobre padrões ocultos em dados, operando em nível detalhado, adequado
para ajudar a responder as questões 4 e 5.
Os recursos para resolver os problemas de análise de dados referentes às
questões apresentadas, que são descritos em I e II são, correta e
respectivamente,
a) OLAP e Data Mining.
b) ETL e ROLAP.
c) Data Mining e SAP R/1.
d) OLTP e OLAP.
e) MOLAP e OLTP.
10- (FCC - 2017 - DPE-RS - Analista - Banco de Dados) Uma das técnicas
bastante utilizadas em sistemas de apoio à decisão é o Data Mining, que se
constitui em uma técnica
a) para a exploração e análise de dados, visando descobrir padrões e regras, a
princípio ocultos, importantes à aplicação.
b) para se realizar a criptografia inteligente de dados, objetivando a proteção
da informação.
c) que visa sua distribuição e replicação em um cluster de servidores, visando
aprimorar a disponibilidade de dados.
d) de compactação de dados, normalmente bastante eficiente, permitindo
grande desempenho no armazenamento de dados.
e) de transmissão e recepção de dados que permite a comunicação entre
servidores, em tempo real.

Prof. Ramon Souza
11- (FCC - 2017 - TRT - 11ª Região (AM e RR) - Técnico Judiciário -
Tecnologia da Informação) Sistemas do tipo I e do tipo II realizam tarefas
diferentes, porém complementares. O tipo I é adequado para atividades como
indexação de dados, alocação de custos, análises de séries temporais e análises
“what-if”. Porém, a maioria dos sistemas do tipo I não tem a capacidade de
realizar inferências indutivas, processo que permite chegar a conclusões
genéricas a partir de exemplos específicos, que são uma característica nativa
de sistemas do tipo II. Sistemas do tipo I fornecem uma visão multidimensional
de dados, incluindo suporte a hierarquias. Essa visão de dados é uma forma
natural de analisar negócios e organizações. Sistemas do tipo II, por outro lado,
podem ajudar a detectar tendências, encontrar padrões e relações entre as
informações disponíveis em bancos de dados. Os sistemas do tipo II podem
encontrar informações ocultas nos dados disponíveis, mas é o gestor quem deve
atribuir o valor de cada uma dessas descobertas para a organização.
Os sistemas do tipo I e II são, correta e respectivamente,
a) Data Warehouse e Data Mining.
b) Banco de Dados Multidimensional e Banco de Dados Relacional.
c) Data Mining e Data Warehouse.
d) OLAP e Data Mining.
e) OLAP e Data Warehouse.
12- (FCC - 2014 - TRF - 3ª REGIÃO - Analista Judiciário - Informática -

Banco de Dados) Mineração de dados é a investigação de relações e padrões
globais que existem em grandes bancos de dados, mas que estão ocultos no
grande volume de dados. Com base nas funções que executam, há diferentes
técnicas para a mineração de dados, dentre as quais estão:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo
de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados
a ataques maliciosos a servidores de dados também estão envolvidos em
processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo:
32% de pessoas do sexo feminino após ajuizarem uma causa contra o INSS
solicitando nova perícia médica ajuízam uma causa contra o INSS solicitando
ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada
para identificar os atributos de um determinado grupo que fazem a
discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:
a) I - Padrões sequenciais

Prof. Ramon Souza
II - Redes Neurais
III - Árvore de decisão
b) I - Redes Neurais
II - Árvore de decisão
III - Padrões sequenciais
c) I - Associação
II - Padrões sequenciais
III - Classificação
d) I - Classificação
II - Associação
III - Previsão
e) I - Árvore de decisão
II - Classificação
III – Associação

Banco de Dados) No âmbito da descoberta do conhecimento (KDD), a visão
geral das etapas que constituem o processo KDD (Fayyad) e que são executadas
de forma interativa e iterativa apresenta a seguinte sequência de etapas:
a) seleção, pré-processamento, transformação, data mining e
interpretação/avaliação.
b) seleção, transformação, pré-processamento, interpretação/avaliação e data
mining.
c) data warehousing, star modeling, ETL, OLAP e data mining.
d) ETL, data warehousing, pré-processamento, transformação e star modeling.
e) OLAP, ETL, star modeling, data mining e interpretação/avaliação.
14- (FCC - 2011 - TRT - 14ª Região (RO e AC) - Analista Judiciário -
Tecnologia da Informação) No contexto de DW, é uma categoria de
ferramentas de análise denominada open-end e que permite ao usuário avaliar
tendências e padrões não conhecidos entre os dados. Trata-se de
a) slice. b) star schema. c) ODS.
d) ETL. e) data mining.

Prof. Ramon Souza
15- (FCC - 2010 - TRF - 4ª REGIÃO - Analista Judiciário - Tecnologia da

Informação) Sobre data mining, é correto afirmar:
a) É o processo de descoberta de novas correlações, padrões e tendências entre
as informações de uma empresa, por meio da análise de grandes quantidades
de dados armazenados em bancos de dados usando técnicas de reconhecimento
de padrões, estatísticas e matemáticas.
b) Não requer interação com analistas humanos, pois os algoritmos utilizados
conseguem determinar de forma completa e eficiente o valor dos padrões
encontrados.
c) Na mineração de dados, encontrar padrões requer que os dados brutos sejam
sistematicamente "simplificados", de forma a desconsiderar aquilo que é
genérico e privilegiar aquilo que é específico.
d) É um grande banco de dados voltado para dar suporte necessário nas
decisões de usuários finais, geralmente gerentes e analistas de negócios.
e) O processo de descobrimento realizado pelo data mining só pode ser utilizado
a partir de um data warehouse, onde os dados já estão sem erros, sem
duplicidade, são consistentes e habilitam descobertas abrangentes e precisas.
16- (FCC - 2010 - TCM-PA - Técnico em Informática) Especificamente, um

data mining onde as tendências são modeladas conforme o tempo, usando
dados conhecidos, e as tendências futuras são obtidas com base no modelo
possui a forma de mining
a) textual.
b) flocos de neve.
c) espacial.
d) estrela.
e) preditivo.

Informática - Produção e Banco de Dados) NÃO é um objetivo da mineração
de dados (mining), na visão dos diversos autores,
a) garantir a não redundância nos bancos transacionais.
b) conhecer o comportamento de certos atributos no futuro.
c) possibilitar a análise de determinados padrões de eventos.
d) categorizar perfis individuais ou coletivos de interesse comercial.
e) apoiar a otimização do uso de recursos limitados e/ou maximizar variáveis
de resultado para a empresa.

Prof. Ramon Souza

Informática - Produção e Banco de Dados) A data mining apoia o
conhecimento indutivo que pode ser representado por
I. Lógica proposicional.
II. Árvores de decisão.
III. Redes neurais.
IV. Redes semânticas.
Está correto o que consta em
a) I e III, apenas.
b) II e III, apenas.
c) II, III e IV, apenas.
d) I, II e IV, apenas.
e) I, II, III e IV.

Informática - Produção e Banco de Dados) Uma das abordagens de mining
define que, se uma regra de classificação é considerada uma função sobre
variáveis que as mapeia em uma classe destino, a regra é chamada
a) categorização.
b) Apriori.
c) algoritmo genético.
d) regressão.
e) minimização.

Informática - Produção e Banco de Dados) Considere uma dada população
de eventos ou novos itens que podem ser particionados (segmentados) em
conjuntos de elementos similares, tal como, por exemplo, uma população de
dados sobre uma doença que pode ser dividida em grupos baseados na
similaridade dos efeitos colaterias produzidos. Como um dos modos de
descrever o conhecimento descoberto durante a data mining este é chamado de
a) associação.
b) otimização.
c) classificação.
d) clustering.
e) temporização.

Prof. Ramon Souza
21- (CESPE - 2018 - FUB - Técnico de Tecnologia da Informação)

Julgue o item a seguir, a respeito de data mining e OLAP.
No data mining, uma regra de associação relaciona a presença de um conjunto
de itens com outra faixa de valores de um outro conjunto de variáveis.
22- (CESPE - 2018 - TCE-MG - Analista de Controle Externo - Ciência da

Computação) Na técnica de árvore de decisão em data mining, é empregada
a abordagem denominada
a) análise de volumetria.
b) combinação de variáveis.
c) estratificação.
d) avaliação de dados.
e) percepção.

o seguinte item.
A mineração de dados se caracteriza especialmente pela busca de informações
em grandes volumes de dados, tanto estruturados quanto não estruturados,
alicerçados no conceito dos 4V’s: volume de mineração, variedade de
algoritmos, velocidade de aprendizado e veracidade dos padrões.

o seguinte item.
Descobrir conexões escondidas e prever tendências futuras é um dos objetivos
da mineração de dados, que utiliza a estatística, a inteligência artificial e os
algoritmos de aprendizagem de máquina.
25- (CESPE - 2018 - Polícia Federal - Agente de Polícia Federal) Julgue

o item que segue, relativo a noções de mineração de dados, big data e
aprendizado de máquina.
Pode-se definir mineração de dados como o processo de identificar, em dados,
padrões válidos, novos, potencialmente úteis e, ao final, compreensíveis.

Prof. Ramon Souza
26- (CESPE - 2018 - IPHAN - Analista I - Área 7) Julgue o item que se

segue, a respeito de tecnologias de sistemas de informação.
Na busca de padrões no data mining, é comum a utilização do aprendizado não
supervisionado, em que um agente externo apresenta ao algoritmo alguns
conjuntos de padrões de entrada e seus correspondentes padrões de saída,
comparando-se a resposta fornecida pelo algoritmo com a resposta esperada.
27- (CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo)

Assinale a opção correta a respeito do CRISP-DM.
a) CRISP-DM é uma suíte de ferramentas proprietárias que vem se tornando
um padrão da indústria para mineração de dados, uma vez que fornece um
plano completo e tecnologias para a realização de um projeto de mineração de
dados.
b) A verificação da qualidade dos dados é uma atividade da fase de
entendimento dos dados.
c) Durante a fase de preparação dos dados, é realizado um inventário de
requisitos, suposições e restrições de recursos.
d) Na fase de avaliação dos dados, são realizadas as atividades de identificar
valores especiais dos dados e catalogar seu significado.
e) Na fase de preparação dos dados, são realizadas as atividades de analisar o
potencial de implantação de cada resultado e estimar o potencial de melhoria
do processo atual.
28- (CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo) A

respeito das técnicas e(ou) métodos de mineração de dados, assinale a opção
correta.
a) O agrupamento (ou clustering) realiza identificação de grupos de dados que
apresentam coocorrência.
b) A classificação realiza o aprendizado de uma função que pode ser usada para
mapear os valores associados aos dados em um ou mais valores reais.
c) A regressão ou predição promove o aprendizado de uma função que pode ser
usada para mapear dados em uma de várias classes discretas definidas
previamente, bem como encontrar tendências que possam ser usadas para
entender e explorar padrões de comportamento dos dados.
d) As regras de associação identificam grupos de dados, em que os dados têm
características semelhantes aos do mesmo grupo e os grupos têm
características diferentes entre si.

Prof. Ramon Souza
e) Os métodos de classificação supervisionada podem ser embasados em

separabilidade (entropia), utilizando árvores de decisão e variantes, e em
29- (CESPE - 2018 - STJ - Técnico Judiciário - Desenvolvimento de

Sistemas) Julgue o item que se segue, acerca de data mining e data
warehouse.
O processo de mineração de dados está intrinsecamente ligado às dimensões e
a fato, tendo em vista que, para a obtenção de padrões úteis e relevantes, é
necessário que esse processo seja executado dentro dos data warehouses.
30- (CESPE - 2017 - TCE-PE - Analista de Controle Externo - Auditoria

de Contas Públicas) Em relação à análise de agrupamentos (clusterização)
em mineração de dados, julgue o item seguinte.
O método de clustering k-means objetiva particionar ‘n’ observações entre ‘k’
grupos; cada observação pertence ao grupo mais próximo da média.
31- (CESPE - 2017 - TCE-PE - Auditor de Controle Externo - Auditoria

de Contas Públicas) Julgue o seguinte item, que se refere a CRISP-DM (Cross-
Industry Standard Process of Data Mining).
Durante a fase de entendimento do negócio, busca-se descrever claramente o
problema, fazer a identificação dos dados e verificar se as variáveis relevantes
para o projeto não são interdependentes.
32- (CESPE - 2017 - TRE-BA - Analista Judiciário – Análise de Sistemas)

O agrupamento de dados no processo de data mining procura, em uma massa
de dados que caracterizam uma população de indivíduos, grupos semelhantes
e diferentes. O algoritmo baseado na teoria dos grafos e que dispensa a
definição de protótipos utilizado para segmentar a base de dados em diferentes
grupos é denominado
a) K média.
b) K medoides.
c) Apriori.
d) DBSCAN.
e) Árvore geradora mínima.

Prof. Ramon Souza
33- (CESPE - 2017 - SEDF - Analista de Gestão Educacional - Tecnologia

da Informação) Com relação a data mining e data warehouse, julgue o item
que se segue.
Agrupar registros em grupos, de modo que os registros em um grupo sejam
semelhantes entre si e diferentes dos registros em outros grupos é uma maneira
de descrever conhecimento descoberto durante processos de mineração de
dados.
34- (CESPE - 2016 - FUNPRESP-JUD - Analista - Tecnologia da

Informação) Julgue o item subsecutivo, referente às tecnologias de bancos de
dados.
Em DataMining, as árvores de decisão podem ser usadas com sistemas de
classificação para atribuir informação de tipo.
35- (CESPE - 2016 - TCE-PA - Auditor de Controle Externo - Área

Informática - Analista de Sistema) Julgue o item a seguir, em relação a data
warehouse e data mining.
No contexto de data mining, o processo de descoberta de conhecimento em
base de dados consiste na extração não trivial de conhecimento previamente
desconhecido e potencialmente útil.
36- (CESPE - 2016 - TRT - 8ª Região (PA e AP) - Analista Judiciário -

Tecnologia da Informação) Acerca de data mining, assinale a opção correta.
a) A fase de preparação para implementação de um projeto de data mining
consiste, entre outras tarefas, em coletar os dados que serão garimpados, que
devem estar exclusivamente em um data warehouse interno da empresa.
b) As redes neurais são um recurso matemático/computacional usado na
aplicação de técnicas estatísticas nos processos de data mining e consistem em
utilizar uma massa de dados para criar e organizar regras de classificação e
decisão em formato de diagrama de árvore, que vão classificar seu
comportamento ou estimar resultados futuros.
c) As aplicações de data mining utilizam diversas técnicas de natureza
estatística, como a análise de conglomerados (cluster analysis), que tem como
objetivo agrupar, em diferentes conjuntos de dados, os elementos identificados
como semelhantes entre si, com base nas características analisadas.
d) As séries temporais correspondem a técnicas estatísticas utilizadas no cálculo
de previsão de um conjunto de informações, analisando-se seus valores ao
longo de determinado período. Nesse caso, para se obter uma previsão mais
precisa, devem ser descartadas eventuais sazonalidades no conjunto de
informações.

Prof. Ramon Souza
e) Os processos de data mining e OLAP têm os mesmos objetivos: trabalhar os

dados existentes no data warehouse e realizar inferências, buscando reconhecer
correlações não explícitas nos dados do data warehouse.

Para a realização de prognósticos por meio de técnicas de mineração de dados,
parte-se de uma série de valores existentes obtidos de dados históricos bem
como de suposições controladas a respeito das condições futuras, para prever
outros valores e situações que ocorrerão e, assim, planejar e preparar as ações
organizacionais.

As aglomerações, tipos de informação obtidos por meio da mineração de dados,
caracterizam-se por se ligarem a um único e específico evento, em torno do
qual ocorrem várias ações, com produção sistêmica de informações gerenciais
que apoiarão uma nova ocorrência do mesmo tipo de evento.
39- (CESPE - 2016 - FUNPRESP-EXE - Especialista - Tecnologia da

Informação) Com relação à forma como os dados são armazenados e
manipulados no desenvolvimento de aplicações, julgue o item a seguir.
Na implementação de mineração de dados (data mining), a utilização da técnica
de padrões sequenciais pode ser útil para a identificação de tendências.
40- (CESPE - 2015 - TJ-DFT - Técnico Judiciário - Programação de

Sistemas) Julgue o item a seguir, a respeito de datawarehouse e de
datamining.
Em um processo de mineração, durante a etapa de preparação dos dados, são
analisados os requisitos de negócio para consolidar os dados.

O uso prático de data mining envolve o emprego de processos, ferramentas,
técnicas e métodos oriundos da matemática, da estatística e da computação,
inclusive de inteligência artificial.

Prof. Ramon Souza

A finalidade do uso do data mining em uma organização é subsidiar a produção
de afirmações conclusivas acerca do padrão de comportamento exibido por
agentes de interesse dessa organização.

No ambiente organizacional, devido à grande quantidade de dados, não é
recomendado o emprego de data mining para atividades ligadas a marketing.

Quem utiliza o data mining tem como objetivo descobrir, explorar ou minerar
relacionamentos, padrões e vínculos significativos presentes em grandes
massas documentais registradas em arquivos físicos (analógicos) e arquivos
lógicos (digitais).
45- (CESPE - 2015 - DEPEN - Agente Penitenciário Federal - Área 7)

Acerca de datawarehouse e datamining, julgue o item subsequente.
Os objetivos do datamining incluem identificar os tipos de relacionamentos que
se estabelecem entre informações armazenadas em um grande repositório.

Selecionar uma amostra e determinar os conjuntos de itens frequentes dessa
amostra para formar a lista de previsão de subconjunto são as principais
características do algoritmo de previsão.

A predição em algoritmos de data mining objetiva modelar funções sobre
valores para apresentar o comportamento futuro de determinados atributos.

Prof. Ramon Souza

O conhecimento obtido no processo de data mining pode ser classificado como
uma regra de associação quando, em um conjunto de eventos, há uma
hierarquia de tuplas sequenciais.
49- (CESPE - 2015 - MEC - Administrador de Banco de Dados) Acerca de

data warehouse (DW), Business Intelligence (BI) e data mining, julgue o item
que se segue.
Situação hipotética: Após o período de inscrição para o vestibular de
determinada universidade pública, foram reunidas informações acerca do perfil
dos candidatos, cursos inscritos e concorrências. Ademais, que, por meio das
soluções de BI e DW que integram outros sistemas, foram realizadas análises
para a detecção de relacionamentos sistemáticos entre as informações
registradas.
Assertiva: Nessa situação, tais análises podem ser consideradas como data
mining, pois agregam valor às decisões do MEC e sugerem tendências, como,
por exemplo, o aumento no número de escolas privadas e a escolha de
determinado curso superior.

Algoritmo genético é uma das ferramentas do data mining que utiliza
mecanismos de biologia evolutiva, como hereditariedade, recombinação,
seleção natural e mutação, para solucionar e agrupar problemas.
Caderno de Questões Sobre o Tema

O caderno referente ao assunto desta aula pode ser acessado em Caderno de
Questões – Data Mining.

Prof. Ramon Souza
12. GABARITO
1 A 11 D 21 Certo 31 Errado 41 Certo
2 C 12 C 22 C 32 E 42 Certo
3 A 13 A 23 Errado 33 Certo 43 Errado
4 A 14 E 24 Certo 34 Certo 44 Errado

5 B 15 A 25 Certo 35 Certo 45 Certo
6 B 16 E 26 Errado 36 C 46 Errado
7 D 17 A 27 B 37 Certo 47 Certo
8 D 18 E 28 E 38 Errado 48 Errado
9 A 19 D 29 Errado 39 Certo 49 Certo
10 A 20 D 30 Certo 40 Errado 50 Certo
13. REFERÊNCIAS
APRENDIS. Detecção de anomalias. Disponível em <
http://aprendis.gim.med.up.pt/index.php/Detec%C3%A7%C3%A3o_de_anom
alias> . Acesso em: 11 dez. 2017.
CHAPMAN, Pete et al. CRISP-DM 1.0: Step-by-step data mining guide. 2000.
ELMASRI, Ramez; NAVATHE, Shamkant B. Sistema de Banco de Dados. 6ed.
São Paulo: Pearson Addison Wesley, 2011.
HAN, Jiawei; PEI, Jian; KAMBER, Micheline. Data mining: concepts and
techniques. Elsevier, 2011.
IMASTERS. Modelagem preditiva e produtos relacionados aos dados.
Disponível em <https://imasters.com.br/infra/modelagem-preditiva-e-
produtos-relacionados-aos-dados/?trace=1519021197&source=single>.
Acesso em: 11 dez. 2017.
SAS. Machine Learning: O que é e por que é importante? Disponível em
<https://www.sas.com/pt_br/insights/analytics/machine-learning.html>.
Acesso em: 11 dez. 2017.
TAN, Pang-Ning et al. Introduction to data mining. Pearson Education India,
2006.
TURBAN, Efraim et al. Business intelligence: A managerial approach. Upper
Saddle River, NJ: Pearson Prentice Hall, 2008.


4 Data Mining.

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

4 Data Mining.

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 04 – Data Mining

Curso: TI para Área Fiscal

Aula 04 – Data Mining

1. NOÇÕES DE MINERAÇÃO DE DADOS .............................................. 3

Para facilitar sua referência, abaixo listamos as esquematizações desta aula:

Prof. Ramon Souza 2 de 86

1. NOÇÕES DE MINERAÇÃO DE DADOS

Prof. Ramon Souza 3 de 86

A mineração de dados é amplamente utilizada em diversos ramos.

Vamos fixar o apreendido até aqui com um esqueminha!

Processo não trivial de identificar

Esquema 1 – Mineração de dados.

Prof. Ramon Souza 4 de 86

As principais características da mineração de dados são:

Esquema 2 – Características da mineração de dados.

Prof. Ramon Souza 5 de 86

A mineração de dados costuma ser executada com alguns objetivos finais

Objetivos finais ou aplicações da mineração de dados

Previsão Identificação Classificação Otimização

Esquema 3 – Objetivos da mineração de dados.

1- (FCC - 2018 - SABESP - Analista de Gestão -

Prof. Ramon Souza 6 de 86

e) o trabalho de produzir levantamento sobre os hábitos de consumo de mídia

Prof. Ramon Souza 7 de 86

2. MODELO DE REFERÊNCIA CRISP-DM

Prof. Ramon Souza 8 de 86

Vale ressaltar que o CRISP DM é um processo para conduzir a mineração

❖ Entendimento dos dados: etapa que objetiva identificar os dados

❖ Preparação dos dados (ou pré-processamento de dados): tem

Prof. Ramon Souza 9 de 86

❖ Construção do modelo (ou modelagem): nesta etapa, várias

❖ Teste e avaliação: os modelos desenvolvidos são testados e

❖ Implantação: etapa em que o conhecimento adquirido com a

Prof. Ramon Souza 10 de 86

Para fixar as etapas do CRISP-DM, vamos utilizar um esquema!!!

❖ Entendimento das necessidades ❖ Identificação dos dados relevantes

❖ Carga dos dados e preparação

❖ Abrange as atividades para

❖ Consome mais tempo e esforço

❖ Seleção e aplicação de técnicas

❖ Conhecimento adquirido com a ❖ Os modelos desenvolvidos são

Prof. Ramon Souza 11 de 86

2- (FCC - 2018 - TCE-RS - Auditor Público Externo -

Prof. Ramon Souza 12 de 86

3. TÉCNICAS PARA PRÉ-PROCESSAMENTO DE DADOS

Técnicas de pré-processamento segundo Navathe

Navathe considera que a mineração de dados faz parte de um processo

Prof. Ramon Souza 13 de 86

Vamos fixar as tarefas de pré-processamento com um esquema.

Tarefas de pré-processamento (Navathe)

Seleção de dados Limpeza de Enriquecimento Transformação

Esquema 5 – Técnicas de pré-processamento (Navathe).

Técnicas de pré-processamento segundo o CRISP-DM

O modelo de referência CRISP-DM dispõe da fase de preparação de

❖ Limpeza de dados (ou depuração de dados): os dados são limpos.

Prof. Ramon Souza 14 de 86

❖ Transformação de dados: os dados são transformados para um

❖ Redução dos dados: embora seja importante possuir todos os dados

Esquema 6 – Técnicas de pré-processamento (CRISP-DM).

Prof. Ramon Souza 15 de 86

De todo modo, sugiro que saibam os conceitos de forma independente e não

Prof. Ramon Souza 16 de 86

3- (FCC - 2015 - CNMP - Analista do CNMP - Tecnologia