A mineração de dados (Data Mining) envolve um conjunto de algoritmos e ferramentas que são utilizados para a exploração de dados. Assinale o algoritmo/método usado na extração de regras de associação.
- A)Apriori.
Certa: Apriori é o algoritmo clássico usado para descobrir regras de associação em bases de dados.
- B)C4.5
Errada: C4.5 é usado para construção de árvores de decisão, não para regras de associação.
- C)K-mean.
Errada: K-means é um algoritmo de agrupamento (clustering), não de extração de regras.
- D)Naive Bayes.
Errada: Naive Bayes é um método de classificação probabilística, não de associação.
- E)PageRank.
Errada: PageRank serve para ranquear páginas ou nós em grafos, não para mineração de regras de associação.
Gabarito: A
Mineração de dados é, em resumo, o processo de garimpar padrões úteis em meio a grandes volumes de dados. Entre os tipos mais cobrados, um dos mais clássicos é a extração de regras de associação, que tenta descobrir relações do tipo "quem compra X tende a comprar Y". É a lógica de cesta de supermercado, só que com um pouco mais de matemática e menos carrinho de compras. O algoritmo mais tradicional para isso é o Apriori. Ele trabalha identificando conjuntos de itens frequentes e, a partir deles, gera regras de associação que atendem a critérios como suporte e confiança. Por isso, quando a questão fala em extração de regras de associação, o nome que deve acender a luz na sua cabeça é Apriori. Já os demais métodos da lista pertencem a outras tarefas de mineração ou de aprendizado de máquina. C4.5 é árvore de decisão, K-means é agrupamento, Naive Bayes é classificação probabilística e PageRank é algoritmo de ranqueamento de páginas, não de associação. Em prova, a banca gosta exatamente dessa troca de funções para testar se você reconhece a finalidade de cada método. Então o gabarito A está correto porque Apriori é o método clássico para mineração de regras de associação. É o par mais famoso do tema, muito cobrado em concursos e livros de Data Mining, especialmente quando aparecem os termos suporte, confiança e itemsets frequentes.