Questão de Ciência de Dados · FGV TCE-PA 2024 (nº 67)

Discretização é o processo de transformar dados numéricos contínuos (que podem ter qualquer valor dentro de um intervalo) em dados discretos (que têm um número limitado de valores, como categorias ou intervalos fixos), o que é útil para alguns algoritmos de aprendizado de máquina.

• (A) Correta: O método equal frequency (frequência igual) divide os dados de forma que cada partição ou "bin" contenha aproximadamente o mesmo número de elementos ou observações, independentemente da amplitude do intervalo.
• (B) Incorreta: O método equal width (largura igual) divide os dados em partições que possuem a mesma amplitude ou intervalo de valores (ex: 0-10, 10-20, 20-30). A armadilha aqui é que, embora o nome comece com "equal", ele se refere à largura do intervalo, e não ao número de elementos dentro de cada intervalo, que pode variar muito.
• (C) Incorreta: Equal amplitude é sinônimo de equal width, referindo-se a partições com o mesmo tamanho de intervalo, e não com o mesmo número de elementos.
• (D) Incorreta: k-means é um algoritmo de agrupamento (clustering) que particiona os dados em k grupos baseados na similaridade, e não um método de discretização que visa criar partições com o mesmo número de elementos ou largura.
• (E) Incorreta: Métodos baseados em entropy (entropia) utilizam conceitos da teoria da informação para encontrar os melhores pontos de corte, visando maximizar a pureza das classes dentro de cada partição, e não garantir um número igual de elementos ou uma largura igual.