Questão 101 — Mineração de Dados — Discretização (Ciência de Dados) — Cebraspe · Secretaria de Estado da Fazenda de Sergipe (SEFAZ/SE) 2025

Ciência de Dados Mineração de Dados — Discretização

Cebraspe 2025

Secretaria de Estado da Fazenda de Sergipe (SEFAZ/SE) · Auditor Fiscal Tributário

Gabarito disponível

Alguns algoritmos de mineração de dados requerem que os atributos sejam categóricos, o que impossibilita o uso direto de dados numéricos. Para contornar essa limitação, pode-se aplicar a discretização. Acerca desse processo, assinale a opção correta.

Selecione uma alternativa A) A discretização não é recomendada para atributos contínuos, pois reduz a capacidade dos algoritmos de aprender padrões úteis. B) A discretização baseada em histograma utiliza os intervalos de frequência do histograma para segmentar os dados, e os valores são substituídos conforme a faixa em que se encontram. C) A discretização baseada em entropia é uma função linear por meio da qual se busca maximizar o ganho de informação ao se dividir o conjunto de dados, obtendo-se intervalos com maior relevância para classificação. D) A discretização por agrupamento atribui aleatoriamente os valores do atributo numérico a grupos fixos, sem levar em conta critérios ou similaridades entre os dados. E) A técnica de encaixotamento (binning) substitui os valores de um atributo por limites máximos e mínimos arbitrários, desconsideradas a média e a mediana.

Resolução comentada

Discretização baseada em histograma.

Na discretização por histograma, os intervalos (faixas de frequência) do histograma são usados para segmentar o atributo, e cada valor é substituído pela faixa em que se encontra.

Análise das alternativas

A) A discretização é recomendada justamente para contínuos quando o algoritmo exige atributos categóricos. C) A discretização por entropia é supervisionada e busca maximizar o ganho de informação, mas não é uma 'função linear'. D) O agrupamento (clustering) forma grupos por similaridade, não de modo aleatório. E) O binning suaviza usando média, mediana ou limites das caixas, não limites arbitrários.

Referência: Pré-processamento de dados – discretização

Resolução comentada do VaiConcursos.