Questão de Tecnologia da Informação · FGV CGE-SP 2025 (nº 98)

A normalização numérica é um processo de reescalonamento dos valores de uma coluna para um intervalo específico, o que é crucial para algoritmos de Machine Learning baseados em distância, como o KNN, pois evita que atributos com grandes escalas dominem o cálculo da distância.

(A) Incorreta: A discretização baseada em largura transforma dados numéricos em categorias (bins) de tamanhos iguais, não reescalona os valores para um intervalo contínuo entre 0 e 1.
(B) Incorreta: A Padronização (Z-Score) reescala os dados para terem média 0 e desvio padrão 1, mas não garante que todos os valores fiquem em um intervalo fixo entre 0 e 1, podendo haver valores negativos ou maiores que 1. É um distrator comum porque também é uma técnica de reescalonamento, mas não atende ao requisito específico de intervalo [0, 1].
(C) Incorreta: A discretização baseada em frequência também transforma dados numéricos em categorias (bins), mas garantindo que cada bin tenha aproximadamente o mesmo número de observações, e não reescala para um intervalo contínuo.
(D) Incorreta: A Codificação One-Hot Encoding é usada para converter variáveis categóricas em um formato numérico binário, não para reescalonar variáveis numéricas contínuas.
(E) Correta: A Normalização Min-Max é a técnica que reescala os dados de uma coluna para um intervalo fixo, geralmente entre 0 e 1, usando a fórmula $X_{novo} = (X - X_{min}) / (X_{max} - X_{min})$. Isso atende perfeitamente ao requisito de mapear os valores de Valor_Despesa para o intervalo [0, 1].