Pode-se considerar intuitivamente que quanto maior a quantidade de objetos e atributos, maior a quantidade de informações disponíveis para o algoritmo de mineração de dados. No entanto, um aumento no número de objetos e na dimensão do espaço (número de atributos na base) pode resultar em dados esparsos e medidas matemáticas instáveis na análise. Além disso, uma grande quantidade de objetos e atributos pode tornar o processamento dos algoritmos de mineração complexo, assim como os modelos gerados. No entanto, é importante destacar que os métodos de redução de dados devem manter a integridade dos dados originais. A mineração dos dados reduzidos deve ser mais eficiente, mas não menos eficaz. Em relação aos tipos de redução de dados, observe as afirmativas a seguir.
I. Seleção de atributos (ou características): realiza-se uma técnica de redução de dimensionalidade em que atributos considerados irrelevantes, pouco relevantes ou redundantes são identificados e eliminados. II. Discretização: os valores de atributos são substituídos por intervalos ou níveis conceituais mais baixos, aumentando a quantidade final de atributos, deixando informações mais completas. III. Compressão de atributos: realiza-se uma técnica de redução de dimensionalidade por meio da aplicação de algoritmos de codificação ou transformação de atributos, em vez de selecionar atributos para remoção.
Está correto o que se afirma em:
a. I e III, apenas. b. II e III , apenas. c. I, apenas. d. I e II, apenas. e. I, II e III, apenas.
A redução de dados é uma etapa fundamental na mineração de dados, pois ajuda a lidar com problemas de dados esparsos, complexidade computacional e instabilidade matemática na análise. A resposta correta é a alternativa e. I, II e III, apenas.
Sobre a complexidade computacional
I. Seleção de atributos (ou características): Esta técnica envolve a identificação e eliminação de atributos irrelevantes, pouco relevantes ou redundantes, reduzindo a dimensionalidade dos dados e mantendo a integridade das informações importantes.
II. Discretização: A discretização substitui os valores de atributos por intervalos ou níveis conceituais mais baixos, o que pode aumentar a quantidade final de atributos, mas torna os dados mais compreensíveis e informativos.
III. Compressão de atributos: Esta técnica envolve a aplicação de algoritmos de codificação ou transformação de atributos, em vez de simplesmente selecionar atributos para remoção. Ela também reduz a dimensionalidade dos dados, mantendo a integridade das informações originais.
Portanto, todas as afirmativas (I, II e III) estão corretas e representam métodos legítimos de redução de dados que podem ser aplicados de acordo com as necessidades específicas de um projeto de mineração de dados.
Lista de comentários
A redução de dados é uma etapa fundamental na mineração de dados, pois ajuda a lidar com problemas de dados esparsos, complexidade computacional e instabilidade matemática na análise. A resposta correta é a alternativa e. I, II e III, apenas.
Sobre a complexidade computacional
Portanto, todas as afirmativas (I, II e III) estão corretas e representam métodos legítimos de redução de dados que podem ser aplicados de acordo com as necessidades específicas de um projeto de mineração de dados.
Saiba mais sobre complexidade computacional
https://brainly.com.br/tarefa/56372823
#SPJ1