Ao analisar um grande volume de dados, João encontrou algumas anomalias, por exemplo: pessoas com mais de 200 anos de idade e salário de engenheiro menor que salário de pedreiro. A operação de limpeza da fase de preparação de dados para tratar os pontos extremos existentes em uma série temporal a ser executada por João é:
- A)Normalização;
Errada, porque normalização ajusta escalas dos dados, mas não trata especificamente valores anômalos ou extremos.
- B)Discretização;
Errada, porque discretização transforma valores contínuos em faixas ou categorias, não sendo a técnica indicada para remover outliers.
- C)Classificação;
Errada, porque classificação é tarefa de modelagem supervisionada, e não uma operação de limpeza de dados.
- D)Tratamento de outlier;
Certa, porque tratamento de outlier é justamente a etapa usada para identificar e lidar com pontos extremos ou anômalos.
- E)Redução de dimensionalidade.
Errada, porque redução de dimensionalidade diminui o número de variáveis, mas não é a técnica voltada para corrigir valores absurdos em uma série temporal.
Gabarito: D
Na preparação de dados, voce precisa cuidar daqueles valores que fogem completamente do comportamento esperado, os famosos extremos ou outliers. Eles aparecem quando um dado está tão fora da curva que distorce a análise, como idade acima de 200 anos ou um salário que inverte a lógica da realidade. Em série temporal isso é ainda mais importante, porque um pico artificial pode bagunçar tendência, média, previsão e qualquer modelo que dependa da sequência dos valores. O tratamento pode envolver identificar, suavizar, remover ou substituir esses pontos extremos, conforme a técnica adotada. É exatamente isso que a questão descreve: uma operação de limpeza para lidar com pontos extremos em uma série temporal. O nome correto dessa etapa é tratamento de outlier. Em termos de ciência de dados e mineração de dados, outlier é um valor anômalo, muito distante do padrão observado, e sua manipulação faz parte do pré-processamento para melhorar a qualidade dos dados. As outras alternativas falam de outros passos do processo de dados, mas não resolvem esse problema específico. Então, quando o enunciado cita anomalias absurdas e pontos extremos, pense direto em outliers. É o clássico caso de dado que não está só "diferente", está pedindo para sair da festa.