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.

Com relação a data warehouse e data mining, julgue o item subsequente.

A análise de data mining por padrão sequencial visa à identificação de fatos que geram outros fatos, sempre ocorrendo causa e consequência em momentos adjacentes.