A estratégia de agrupamento hierárquico em que a construção da árvore é iniciada pelo nó raiz, onde todos os exemplares são alocados, inicialmente, a um único grupo e, interativamente, os grupos são divididos de acordo com algum critério de dissimilaridade, aplicado aos exemplares que os constituem e, além disso, enquanto houver grupos formados por mais de um exemplar, dois grupos distintos são criados a cada divisão, dando origem aos demais nós internos da árvore, é conhecida como

Considerando-se as estratégias para treinamento, validação e teste nas análises preditivas, a estratégia que pressupõe a criação de dois subconjuntos de dados disjuntos, a partir do conjunto de dados disponível para uso na indução do modelo, em que um dos subconjuntos será usado para treinamento (indução) do modelo preditivo e o segundo, para teste após o término de treinamento e, consequentemente, para aplicação das medidas de avaliação do modelo, é

Considerando os conceitos e características próprios de um Data Warehouse, julgue verdadeira (V) ou falsa (F) cada uma das afirmativas a seguir.

I. Os Data Warehouses existem como armazenamento persistente em vez de serem materializados por demandas.

II. Os Data Warehouses podem ser indexados para otimizar o desempenho e, caracteristicamente, oferecem suporte específico de funcionalidades.

III. Os Data Warehouses oferecem uma grande quantidade de dados integrados e são livres das restrições do ambiente transacional, permitindo uma eficiência aumentada no processamento da consulta.

A sequência correta é

Na tomada de decisão, um termo é definido como uma coleção de dados orientada por assuntos, integrada e variante no tempo. E um banco de dados contendo dados extraídos do ambiente de produção da empresa, que foram selecionados e depurados, tendo sido otimizados para processamento de consulta e não para processamento de transações. Em geral, requer a consolidação de outros recursos de dados além dos armazenados em base de dados relacionais, incluindo informações provenientes de planilhas eletrônicas e documentos textuais.

Esse termo é conhecido por:

Observe a tabela abaixo. Cada linha refere-se a uma compra realizada. A tabela tem duas colunas, uma contendo a identificação da compra e outra contendo a lista de itens adquiridos pela compra.

Aplicando o algoritmo de Mineração de Item Sets Apriori, com suporte mínimo de 20%, a lista de itens retornada seria:

Quanto à mineração de dados e ao CRISP-DM (Cross-Industry Standard Process for Data Mining), julgue o item.

No modelo CRISP-DM, a modelagem é uma das fases mais importantes do processo, consistindo no conhecimento do domínio do negócio, ou seja, no conhecimento e na compreensão dos objetivos do projeto de mineração a partir da perspectiva do negócio.

Quanto à mineração de dados e ao CRISP-DM (Cross-Industry Standard Process for Data Mining), julgue o item.

O modelo CRISP-DM é bastante utilizado graças à sua rigidez quanto à execução de cada uma de suas fases; ele não permite que um projeto retorne a uma etapa ou fase anterior, pois a sequência de fases é rigorosa e deve ser seguida.

Quanto à mineração de dados e ao CRISP-DM (Cross-Industry Standard Process for Data Mining), julgue o item.

Compreensão dos dados e preparação dos dados são fases do modelo CRISP-DM.

Quanto à mineração de dados e ao CRISP-DM (Cross-Industry Standard Process for Data Mining), julgue o item.

Listagens, saídas gráficas, tabelas de resumo ou visualizações são formatos usados na apresentação dos resultados da mineração de dados.

Quanto à mineração de dados e ao CRISP-DM (Cross-Industry Standard Process for Data Mining), julgue o item.

A mineração de dados é uma técnica que objetiva adquirir conhecimento a partir dos dados, por meio da detecção de vários tipos de padrões em grandes volumes de dados.