Questão nº 69
Questão de Ciência de Dados · FGV TCE-PA 2024 (nº 69)
Ao se utilizar bancos de dados reais no treinamento de métodos de aprendizado de máquina é normal se deparar com entradas que possuem um ou mais parâmetros (campos) ausentes.
Com relação às estratégias para lidar com dados ausentes, analise as afirmativas a seguir.
I. Só é possível realizar imputation quando o atributo (feature) ausente é numérico.
II. Ao utilizar o k-nearest neighbors (KNN) para fazer o imputation é uma boa estratégia primeiro fazer a normalização ou padronização dos dados.
III. Ao se trabalhar com bancos de dados com poucas amostras (itens), uma estratégia usualmente utilizada para lidar com as amostras) que possuem valores ausentes é a remoção.
Está correto o que se afirma em
- AI, apenas.
- BII, apenas. (alternativa correta)
- CIII, apenas.
- DI e II apenas.
- EI, II e III.
Resposta comentada
Gabarito Alternativa B
O conceito-chave é que imputation (preenchimento de valores ausentes) e remoção (deletar linhas/colunas) são estratégias independentes do tipo de dado, mas a escolha depende do contexto. A pegadinha da banca está em achar que imputation só serve para números e que remoção é sempre ruim — na verdade, com poucas amostras, remover é arriscado, e o KNN (algoritmo que usa os vizinhos mais próximos) precisa de dados na mesma escala para funcionar bem.
- (A) Incorreta: Imputation serve para qualquer tipo de dado — para categóricos (ex.: "desconhecido") ou numéricos (ex.: média, mediana). A afirmação I erra ao limitar a numéricos.
- (B) Correta: O KNN calcula distâncias entre amostras; sem normalização/padronização (colocar os dados na mesma escala), atributos com valores grandes dominariam o cálculo, distorcendo os vizinhos e o valor imputado.
- (C) Incorreta: Com poucas amostras, remover linhas com valores ausentes descarta informação valiosa e pode inviabilizar o treinamento — a estratégia usual é justamente tentar imputar ou usar modelos robustos a missing.
- (D) Incorreta: A afirmação I é falsa (como explicado em A), então a combinação "I e II" não pode ser correta.
- (E) Incorreta: As afirmações I e III são falsas (como explicado em A e C), então "I, II e III" está errada.
Fonte: FGV TCE-PA 2024 Auditor de Controle Externo - Administrativa - Ciência de Dados (Caderno Tipo 1). Reproduzida para fins de estudo.