Considere o conjunto de dados da entidade PACIENTE que possui o atributo do tipo contínuo TEMPERATURA com os valores {38.0, 39.5, 36.0, 35.5}. Para alimentar uma tarefa de Mineração de Dados, é necessário transformar os dados do atributo TEMPERATURA em um número finito de intervalos, como: {35-37, 38-40}. A tarefa de preparação de dados utilizada no atributo TEMPERATURA é:
- A)codificação;
Errada, porque codificação serve para representar categorias em outro formato, não para transformar valores contínuos em intervalos.
- B)normalização;
Errada, porque normalização apenas ajusta a escala dos valores, sem agrupá-los em faixas discretas.
- C)padronização;
Errada, porque padronização transforma os valores para uma distribuição com média e desvio-padrão definidos, mas não cria intervalos.
- D)discretização;
Certa, porque discretização é justamente a transformação de um atributo contínuo em um número finito de intervalos.
- E)partição de dados.
Errada, porque partição de dados divide o conjunto para treino, teste ou validação, não o atributo em faixas numéricas.
Gabarito: D
Quando você tem um atributo contínuo, como temperatura, com vários valores numéricos, e precisa transformá-lo em faixas, você está fazendo uma preparação clássica de dados chamada discretização. Em vez de trabalhar com cada valor exato, o dado é “quebrado” em intervalos, o que facilita análise, regras e alguns algoritmos de mineração. No exemplo, as temperaturas {38.0, 39.5, 36.0, 35.5} podem virar classes como {35-37, 38-40}. Isso é exatamente o ato de converter uma variável contínua em categorias finitas.