No contexto da mineração de dados, diferentes algoritmos são utilizados para solucionar problemas específicos, como segmentação de dados, descoberta de padrões e construção de modelos preditivos. Considerando os métodos Apriori, FP-Growth, k-means e árvores de decisão, assinale a opção que corresponde à descrição correta do funcionamento de um desses algoritmos. A) O Apriori gera padrões frequentes analisando apenas pares de itens, sem a necessidade de avaliar conjuntos de itens maiores ao longo do processo. B) O algoritmo FP-Growth é amplamente utilizado para descoberta de padrões frequentes em grandes bases de dados, sendo uma alternativa eficiente ao Apriori ao evitar a geração de candidatos. C) O k-means automaticamente determina o número ideal de clusters com base na densidade dos dados, sem necessidade de parametrização prévia. D) O k-means é um algoritmo de agrupamento que pode identificar clusters de formatos arbitrários e é robusto contra outliers , sendo adequado para dados com distribuições não esféricas. E) A árvore de decisão é insensível a ruídos, sendo capaz de generalizar bem para novos dados, independentemente da qualidade do conjunto de treinamento.

B) O algoritmo FP-Growth é amplamente utilizado para descoberta de padrões frequentes em grandes bases de dados, sendo uma alternativa eficiente ao Apriori ao evitar a geração de candidatos.

No contexto da mineração de dados, diferentes algoritmos são utilizados para solucionar...

1Q1016470 | Banco de Dados, Data Mining, Tecnologista Júnior Especialidade Tecnologia da Informação, AEB, CESPE CEBRASPE, 2025

No contexto da mineração de dados, diferentes algoritmos são utilizados para solucionar problemas específicos, como segmentação de dados, descoberta de padrões e construção de modelos preditivos. Considerando os métodos Apriori, FP-Growth, k-means e árvores de decisão, assinale a opção que corresponde à descrição correta do funcionamento de um desses algoritmos.

✂️ a) O Apriori gera padrões frequentes analisando apenas pares de itens, sem a necessidade de avaliar conjuntos de itens maiores ao longo do processo.
✂️ b) O algoritmo FP-Growth é amplamente utilizado para descoberta de padrões frequentes em grandes bases de dados, sendo uma alternativa eficiente ao Apriori ao evitar a geração de candidatos.
✂️ c) O k-means automaticamente determina o número ideal de clusters com base na densidade dos dados, sem necessidade de parametrização prévia.
✂️ d) O k-means é um algoritmo de agrupamento que pode identificar clusters de formatos arbitrários e é robusto contra outliers, sendo adequado para dados com distribuições não esféricas.
✂️ e) A árvore de decisão é insensível a ruídos, sendo capaz de generalizar bem para novos dados, independentemente da qualidade do conjunto de treinamento.