Abstratamente, o problema de classificação na mineração de dados é este: dado que os itens pertencem a uma dentre várias classes e dadas instâncias passadas (chamadas instâncias de treinamento) dos itens junto com as classes a que pertencem, o problema é prever a classe à qual um novo item pertence. A classe da nova instância não é conhecida, de modo que outros atributos da instância precisam ser usados para prever a classe.

Sobre classificação na mineração de dados, é correto afirmar que

As aplicações mais utilizadas da mineração de dados são aquelas que exigem algum tipo de previsão. Por exemplo, quando uma pessoa se candidata a um cartão de crédito, a companhia deseja prever se a pessoa tem baixo risco. A previsão deve ser baseada em atributos conhecidos da pessoa, como idade, renda, débitos e histórico de negociação de débito.

Referente à mineração de dados, assinale a alternativa correta.

As grandes empresas têm uma estrutura organizacional interna bastante complexa e os dados podem estar presentes em diferentes locais ou em diferentes sistemas operacionais. Por isso, as empresas geralmente utilizam um data warehouse.

Sobre data warehouse, é correto afimar que

Qual é o nome dado a um subconjunto lógico de um DataWarehouse, o qual, normalmente é dividido por departamento, áreas ou visões necessárias para os usuários?

Utilizando-se dos conceitos de Data Mining, em análise preditiva sobre a Matriz de Confusão, assinale a alternativa INCORRETA.

Sobre o Esquema Estrela (Star Schema) de um Data Warehouse, é INCORRETO afirmar que:

O processo de pesquisa, organização, análise, compartilhamento e monitoramento de informações que oferecem suporte a gestão de um negócio é conhecido pela sigla:

Existem aplicações que analisam grandes volumes de dados, sob múltiplas perspectivas, a fim de permitir análises comparativas destinadas à tomada de decisões. Essas aplicações são chamadas de:

O processo de explorar grandes quantidades de dados a procura de padrões consistentes, para detectar relacionamentos sistemáticos entre variáveis, detectando assim novos subconjuntos de dados é chamado de: