Please enable JavaScript.

Coggle requires JavaScript to display documents.

Cap 2: Pré-processamento de Dados (Introdução (Pré-processamento de dados,…

- - - - Semiestruturados
        
        Exemplos
        
        Arquivos XML
        
        E-mails
        
        A estrutura não é rígida
        
        Geralmente são usados marcadores (tags) para identificar certos elementos dos dados
        
        Não possui a estrutura completa de um modelo de dados
      - Não estruturados
        
        Costumam ser de difícil indexação, acesso e análise
        
        Exemplos
        
        Textos livres
        
        Imagens
        
        Vídeos
        
        Sons
        
        Páginas web
        
        Arquivos PDF
        
        Não está organizado de maneira predefinida
        
        Não possui um modelo de dados
      - Estruturados
        
        Dados residem em campos fixos em um arquivo (tabela, planilha, BD)
        
        O modelo de dados descreve os tipo de dados que serão armazenados , acessados e processados
        
        Dependem da criação de um modelo de dados
        
        Descrição dos objetos, suas propriedades e relações
        
        Vantagem: facilidade de armazenagem, acesso e análise
    - - São valores quantitativos ou qualitativos associados a alguns atributos
    - - Cada coluna
        
        Corresponde a atributos ou variáveis
      - Quando um atributo representa uma saída, um efeito ou valor que se deseja testar
        
        É chamado atributo dependente
        
        Exemplo: IMC
      - Cada linha
        
        É um objeto ou instância
      - Quando um atributo representa uma entrada
        
        É chamado tributo independente
        
        Exemplo: peso e altura
      - Os dados em geral são denominados dados de treinamento/entrada
      - O valor de um atributo de um objeto é uma medida da quantidade daquele atributo
        
        Atributo numérico
        
        Podem assumir quaisquer valores numuméricos
        
        Valores discretos (inteiros)
        
        Valores contínuos (reais)
        
        Atributo categórico
        
        Assumem valores correspondentes a símbolos distintos
        
        Níveis de medida para atributos categóricos e numéricos
        
        Atributo nominal
        
        Atributo ordinal
        
        Atributo binário
        
        Atributo razão
  - - - Um dados ruidoso é aquele que apresenta alguma variação em relação ao seu valor sem ruído
      - Ruídos na base de dados podem levar a inconsistências
    - - Um dado inconsistente
        
        Ocorre quando diferentes e conflitantes versões do mesmo dado aparecem em locais variados
        
        Aquele cujo valor está fora do domínio do atributo
        
        Violação de domínio
        
        Apresenta grande discrepância em relação aos outros dados
        
        Discrepância
    - - Atributo ausente
      - Objeto ausente
      - Valor ausente
        
        Podem faltar valores de um dado atributo
  - - - "Lixo colocado para dentro, lixo colocado para fora"
      - Assume que a qualidade de saída do sistema depende da qualidade de sua entrada
      - Baseado na observação de que boas entradas geralmente resultam em boas saídas
      - Entradas ruins costumam resultar em saídas ruins
    - - Preparar os dados brutos para serem analisados