Questão de Análise de Sistemas · FGV TJDFT 2022 (nº 49)

Regra de associação é uma técnica de mineração que descobre padrões do tipo “se X, então Y” dentro de um banco de dados, medindo a força dessa relação com métricas como suporte (frequência da combinação) e confiança (probabilidade de Y dado X). No caso, a frase “Cacau => Chia, suporte = 50% e confiança = 66,7%” é exatamente o formato de saída de uma regra de associação, que busca correlações entre itens comprados juntos.

• (A) Incorreta: Normalização ajusta valores numéricos para uma escala padrão (ex.: 0 a 1), não descobre relações entre itens de compra.
• (B) Incorreta: Classificação prevê uma categoria (ex.: “cliente bom” ou “cliente ruim”) a partir de atributos, mas aqui não há rótulo de classe sendo previsto.
• (C) Correta: A técnica de regra de associação (ex.: algoritmo Apriori) gera exatamente padrões do tipo “Cacau => Chia” com suporte e confiança, usada em análise de cesta de compras para descobrir itens que frequentemente aparecem juntos.
• (D) Incorreta: Clusterização agrupa dados semelhantes por proximidade (ex.: clientes com perfis parecidos), mas não produz regras condicionais com suporte/confiança.
• (E) Incorreta: Redução de dimensionalidade (ex.: PCA) diminui o número de variáveis, mas não extrai relações de implicação entre itens.

Armadilha do distrator mais tentador (B): A banca tenta confundir com “classificação”, pois o aluno pode pensar que “prever que quem compra cacau compra chia” é uma classificação. Porém, classificação exige um atributo-alvo categórico e um modelo treinado para rotular novos dados, enquanto a regra de associação apenas descreve uma co-ocorrência estatística entre itens, sem prever um rótulo. A presença das métricas suporte e confiança no enunciado é a pista definitiva para associação.