{"id":2668,"date":"2018-08-21T14:14:00","date_gmt":"2018-08-21T17:14:00","guid":{"rendered":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/?p=2668"},"modified":"2025-09-02T13:43:05","modified_gmt":"2025-09-02T16:43:05","slug":"introducao-a-mineracao-de-dados","status":"publish","type":"post","link":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/2018\/08\/21\/introducao-a-mineracao-de-dados","title":{"rendered":"Introdu\u00e7\u00e3o \u00e0 Minera\u00e7\u00e3o de Dados"},"content":{"rendered":"\n<section id=\"h.1a2aba2c2451a408_13\" class=\"yaqOZd\">\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-uQSCkd purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_10\" class=\"hJDwNd-AhqUyc-uQSCkd jXK9ad D2fZ2 OjCsFc wHaque GNzUNc\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd mGzaTb baZpAe\">\n<p class=\"zfr3Q\" dir=\"ltr\">Ol\u00e1 pessoal, nesta edi\u00e7\u00e3o do PET Reda\u00e7\u00e3o vamos apresentar algumas t\u00e9cnicas de minera\u00e7\u00e3o de dados que t\u00eam auxiliado as organiza\u00e7\u00f5es em seus processos de explora\u00e7\u00e3o em suas bases de dados, s\u00e3o facilitadoras na tomada de decis\u00e3o, geram vantagem competitiva, e podem ser aplicadas em v\u00e1rios segmentos. Let\u2019s bora!<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">\u201cMinera\u00e7\u00e3o:<\/p>\n<ol class=\"n8H08c BKnRcf\">\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\">a\u00e7\u00e3o ou efeito de minerar; trabalho de extra\u00e7\u00e3o do min\u00e9rio.<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\">depura\u00e7\u00e3o do min\u00e9rio extra\u00eddo das minas.\u201d<\/p>\n<\/li>\n<\/ol>\n<p class=\"zfr3Q\" dir=\"ltr\">Podemos usar como base o conceito de minera\u00e7\u00e3o encontrado no dicion\u00e1rio, pois seu objetivo com os dados, \u00e9 encontrar os padr\u00f5es e as informa\u00e7\u00f5es que seriam consideradas como \u201cpepitas\u201d na extra\u00e7\u00e3o e busca pelo ouro. Seu objetivo principal \u00e9 utilizar dos conceitos de estat\u00edstica e aprendizado de m\u00e1quina (Machine learning, ML) para gerar resultados, predi\u00e7\u00f5es e padr\u00f5es relevantes, sendo que com consultas SQL apenas, seriam invi\u00e1veis. Vamos revisar alguns conceitos da \u00e1rea:<\/p>\n<ul class=\"n8H08c UVNKR\">\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Intelig\u00eancia Artificial:<\/strong> sistemas que aprendem, e seguem aprendendo conforme surgem novas possibilidades, onde dado um novo cen\u00e1rio, ele responde conforme as probabilidades de resultados para cada movimento.<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Aprendizado de M\u00e1quina<\/strong>: os programas normalmente recebem dados de entrada, e ap\u00f3s algum processamento s\u00e3o retornados os dados alterados na sa\u00edda. ML utiliza da intelig\u00eancia artifical, para receber dados, aprender com os mesmos e gerar programas na sa\u00edda, programas que s\u00e3o criados com base nos padr\u00f5es da base de dados.<\/p>\n<\/li>\n<\/ul>\n<p class=\"zfr3Q\" dir=\"ltr\">Ent\u00e3o, cabe\u00a0\u00e0\u00a0minera\u00e7\u00e3o de dados utilizar destes componentes para explorar grandes quantidades de dados e facilitar tarefas que seriam extremamente exaustivas para os humanos. Mas e como faz? Um dos processos mais importantes na minera\u00e7\u00e3o \u00e9 o KDD (Knowledge Discovery in Databases), uma s\u00e9rie de passos de normaliza\u00e7\u00e3o dos datasets para manipula\u00e7\u00e3o e visualiza\u00e7\u00e3o de resultados.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section id=\"h.1a2aba2c2451a408_21\" class=\"yaqOZd\">\n<div class=\"yaqOZd IFuOkc\">\u00a0<\/div>\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-OiUrBf purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_18\" class=\"hJDwNd-AhqUyc-OiUrBf jXK9ad D2fZ2 OjCsFc wHaque\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd baZpAe\">\n<div class=\"t3iYD\" style=\"text-align: center\"><img fetchpriority=\"high\" decoding=\"async\" class=\"aligncenter wp-image-2875 size-full\" src=\"https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao1.jpg\" alt=\"\" width=\"865\" height=\"341\" srcset=\"https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao1.jpg 865w, https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao1-300x118.jpg 300w, https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao1-768x303.jpg 768w\" sizes=\"(max-width: 865px) 100vw, 865px\" \/><span style=\"font-size: inherit;text-align: center\">Figura 1: Processo de KDD, por Fayyad et. al.<\/span><\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section id=\"h.1a2aba2c2451a408_30\" class=\"yaqOZd\">\n<div class=\"yaqOZd IFuOkc\">\u00a0<\/div>\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-uQSCkd purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_27\" class=\"hJDwNd-AhqUyc-uQSCkd jXK9ad D2fZ2 OjCsFc wHaque GNzUNc\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd mGzaTb baZpAe\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Sele\u00e7\u00e3o<\/strong>: a primeira etapa consiste da sele\u00e7\u00e3o e forma\u00e7\u00e3o do dataset, que pode incluir subconjuntos de dados de v\u00e1rias fontes, sendo algumas destas, API\u2019s, planilhas, dados abertos, sistemas, data warehouses, etc.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Pr\u00e9-Processamento<\/strong>: esta etapa visa verificar a qualidade dos dados. Muitas das bases normalmente v\u00eam com dados faltantes ou inconsistentes, os quais devem ser ajustados de acordo com os princ\u00edpios da consulta, para evitar os chamados ru\u00eddos. Por exemplo, em uma base que cont\u00e9m dados nulos, estes devem ser corrigidos ou removidos, dependo do objetivo da minera\u00e7\u00e3o.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Transforma\u00e7\u00e3o<\/strong>: etapa de normaliza\u00e7\u00e3o, agrega\u00e7\u00e3o, inser\u00e7\u00e3o de novos atributos, redu\u00e7\u00e3o e sintetiza\u00e7\u00e3o dos dados. Os dados nesta etapa, s\u00e3o adaptados, dependendo do tipo de algoritmo que ser\u00e1 rodado.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Minera\u00e7\u00e3o<\/strong>: aplicar t\u00e9cnicas e algoritmos dependendo de cada objetivo, como verificar hip\u00f3teses ou descobrir padr\u00f5es de forma aut\u00f4noma, que sejam \u00fateis e desconhecidas aos analistas. Cabe nesta fase tamb\u00e9m, verificar quais algoritmos se comportaram melhor para aquela base de dados.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Avalia\u00e7\u00e3o<\/strong>: na \u00faltima etapa, \u00e9 feita a an\u00e1lise dos dados para que seja apresentado o conhecimento adquirido com aquelas informa\u00e7\u00f5es e como ir\u00e3o impactar nos processos de decis\u00e3o, com o prop\u00f3sito de deixar as informa\u00e7\u00f5es mais simples de serem entendidas e apresentar sua relev\u00e2ncia.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Estas etapas podem ser visualizadas como um fluxograma, onde os passos vistos na figura 1, podem ser ajustados dependo dos resultados. Nada impede, por exemplo, de retornar \u00e0 etapa de pr\u00e9-processamento depois de realizar a etapa de minera\u00e7\u00e3o, sendo que os dados n\u00e3o foram apresentados da maneira esperada.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Muito bem, mas e por onde eu posso come\u00e7ar?<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Para aplicar a minera\u00e7\u00e3o, \u00e9 fundamental definir bem os problemas que se pode resolver com cada base de dados. Este processo \u00e9 bem simples, seguindo alguns passos, como a descri\u00e7\u00e3o do dataset, da classe, e os atributos da base que vamos utilizar para resolver o problema. Considere uma imobili\u00e1ria que quer analisar o banco de dados de vendas de propriedades, e que deseja descobrir quais vari\u00e1veis mais influenciam no pre\u00e7o da venda.<\/p>\n<ul class=\"n8H08c UVNKR\">\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Descri\u00e7\u00e3o<\/strong>: Dados sobre o hist\u00f3rico de venda de propriedades de um imobili\u00e1ria.<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Classe<\/strong>: Quais vari\u00e1veis mais influenciam no pre\u00e7o de venda das propriedades?<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Atributos<\/strong>: \u00e1rea da propriedade, quantidade de quartos e pre\u00e7o da venda.<\/p>\n<\/li>\n<\/ul>\n<p class=\"zfr3Q\" dir=\"ltr\">Ap\u00f3s esta descri\u00e7\u00e3o \u00e9 necess\u00e1rio definir em qual tipo de minera\u00e7\u00e3o tal problema se encaixa, sendo esta classifica\u00e7\u00e3o fundamental para a escolha dos algoritmos. Esta an\u00e1lise requer de um estudo aprofundado nos 4 tipos, que s\u00e3o a Associa\u00e7\u00e3o, Regress\u00e3o, Classifica\u00e7\u00e3o e Clusteriza\u00e7\u00e3o. Para mais informa\u00e7\u00f5es, visite este<a class=\"XqQF9c\" href=\"http:\/\/www.google.com\/url?q=http%3A%2F%2Fwww.saedsayad.com%2Fdata_mining_map.htm&amp;sa=D&amp;sntz=1&amp;usg=AFQjCNGqiVqCcRxDyWobJpLNhkOH6K6Xyg\" target=\"_blank\" rel=\"noopener noreferrer\">\u00a0<\/a><a class=\"XqQF9c\" href=\"http:\/\/www.google.com\/url?q=http%3A%2F%2Fwww.saedsayad.com%2Fdata_mining_map.htm&amp;sa=D&amp;sntz=1&amp;usg=AFQjCNGqiVqCcRxDyWobJpLNhkOH6K6Xyg\" target=\"_blank\" rel=\"noopener noreferrer\">site<\/a>, que mostra um mapa para classifica\u00e7\u00e3o de problemas e algoritmos.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Para o nosso problema vamos utilizar a regress\u00e3o, pois utilizamos uma base hist\u00f3rica de vendas e queremos prever quais atributos mais impactam neste hist\u00f3rico de dados.<\/p>\n<ul class=\"n8H08c UVNKR\">\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Descri\u00e7\u00e3o<\/strong>: Dados sobre o hist\u00f3rico de venda de propriedades de um imobili\u00e1ria.<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Classe<\/strong>: Quais vari\u00e1veis mais influenciam no pre\u00e7o de venda das propriedades?<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Atributos<\/strong>: \u00e1rea da propriedade, quantidade de quartos e pre\u00e7o da venda.<\/p>\n<\/li>\n<li class=\"TYR86d zfr3Q\">\n<p class=\"zfr3Q\" dir=\"ltr\"><strong>Classifica\u00e7\u00e3o:<\/strong>\u00a0Regress\u00e3o.<\/p>\n<\/li>\n<\/ul>\n<p class=\"zfr3Q\" dir=\"ltr\">Vamos aplicar agora um exemplo pr\u00e1tico, na plataforma RStudio, que utiliza a linguagem R para minera\u00e7\u00e3o de dados. Primeiramente, vamos importar nossa base de dados usando a biblioteca DAAG, que cont\u00e9m base de dados prontas para exerc\u00edcios, e carregar a base denominada\u00a0<em>houseprices<\/em>:<\/p>\n<small class=\"zfr3Q TMjjoe\"><br \/><\/small>\n<p class=\"zfr3Q\" dir=\"ltr\">library(DAAG) # biblioteca com bases prontas<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">data(houseprices) # carregando database<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Vamos criar ent\u00e3o, nosso modelo para machine learning, utilizando a biblioteca CARET de algoritmos:<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>set.seed(123) # \"para controlar aleatoriedade\"<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>library(caret)<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code># ------------ dividindo banco de dados para o modelo de Regress\u00e3o -----------<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>dataindex &lt;- createDataPartition(houseprices$sale.price, p= .7, list=FALSE)<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code># separa\u00e7\u00e3o 70% do banco de dados para treino e o restante para teste.<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>housetreino &lt;- houseprices[dataindex,]<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>houseteste &lt;- houseprices[-dataindex,]<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Nesta etapa, definimos que parte do banco ser\u00e1 para treino e outra parte para teste, de modo que o modelo passe a treinar com os atributos para reconhecimento de padr\u00f5es. Agora vamos utilizar os algoritmos no modelo:<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code># --- algoritmo GLM<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>modeloML1 &lt;- train(sale.price~bedrooms+area, data = housetreino, method=\"glm\")<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code># ---- algoritmo Random Forest<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>modeloML2 &lt;- train(sale.price~bedrooms+area, data = housetreino, method=\"ranger\", importance=\"impurity\")<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code># comparando os algoritmos<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>listamodelos &lt;- list(glm=modeloML1, ranger= modeloML2)<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>comparacao &lt;- resamples(listamodelos)<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>dotplot(comparacao) #plotando an\u00e1lise de menor erro dos algoritmos<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Para esta an\u00e1lise foram utilizados os algoritmos GLM e Random Forest, no qual o GLM se comportou melhor conforme a an\u00e1lise, apresentando menor erro.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section id=\"h.1a2aba2c2451a408_34\" class=\"yaqOZd\">\n<div class=\"yaqOZd IFuOkc\">\u00a0<\/div>\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-II5mzb purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_35\" class=\"hJDwNd-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c jXK9ad D2fZ2 OjCsFc wHaque GNzUNc\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd mGzaTb baZpAe\">\n<p class=\"zfr3Q\" dir=\"ltr\" style=\"text-align: center\"><img decoding=\"async\" class=\"aligncenter wp-image-2876 size-full\" src=\"https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao2.png\" alt=\"\" width=\"886\" height=\"471\" srcset=\"https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao2.png 886w, https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao2-300x159.png 300w, https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao2-768x408.png 768w\" sizes=\"(max-width: 886px) 100vw, 886px\" \/>Figura 2. Comportamento dos algoritmos.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section id=\"h.1a2aba2c2451a408_42\" class=\"yaqOZd\">\n<div class=\"yaqOZd IFuOkc\">\u00a0<\/div>\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-uQSCkd purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_39\" class=\"hJDwNd-AhqUyc-uQSCkd jXK9ad D2fZ2 OjCsFc wHaque GNzUNc\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd mGzaTb baZpAe\">\n<p class=\"zfr3Q\" dir=\"ltr\">Para terminar, vamos usar a biblioteca caTools para analisar as vari\u00e1veis mais importantes.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>library(caTools)<\/code><\/p>\n<p class=\"zfr3Q\" dir=\"ltr\"><code>plot(varImp(modeloML1)) # notamos a import\u00e2ncia das vari\u00e1veis em rela\u00e7\u00e3o ao pre\u00e7o das propriedades<\/code><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section id=\"h.1a2aba2c2451a408_46\" class=\"yaqOZd\">\n<div class=\"yaqOZd IFuOkc\">\u00a0<\/div>\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-Clt0zb purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_43\" class=\"hJDwNd-AhqUyc-Clt0zb jXK9ad D2fZ2 OjCsFc wHaque\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd baZpAe\">\n<div class=\"t3iYD\" style=\"text-align: center\"><img decoding=\"async\" class=\"aligncenter wp-image-2877 size-full\" src=\"https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao3.png\" alt=\"\" width=\"786\" height=\"423\" srcset=\"https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao3.png 786w, https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao3-300x161.png 300w, https:\/\/www.ufsm.br\/app\/uploads\/sites\/791\/2020\/09\/mineracao3-768x413.png 768w\" sizes=\"(max-width: 786px) 100vw, 786px\" \/><span style=\"font-size: inherit;text-align: center\">Figura 3. Import\u00e2ncia das vari\u00e1veis.<\/span><\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section id=\"h.1a2aba2c2451a408_54\" class=\"yaqOZd\">\n<div class=\"yaqOZd IFuOkc\">\u00a0<\/div>\n<div class=\"mYVXT\">\n<div class=\"LS81yb VICjCf\">\n<div class=\"hJDwNd-AhqUyc-uQSCkd purZT-AhqUyc-II5mzb pSzOP-AhqUyc-qWD73c JNdkSc\">\n<div class=\"JNdkSc-SmKAyb\">\n<div class=\"\">\n<div class=\"oKdM2c Kzv0Me\">\n<div id=\"h.1a2aba2c2451a408_51\" class=\"hJDwNd-AhqUyc-uQSCkd jXK9ad D2fZ2 OjCsFc wHaque GNzUNc\">\n<div class=\"jXK9ad-SmKAyb\">\n<div class=\"tyJCtd mGzaTb baZpAe\">\n<p class=\"zfr3Q\" dir=\"ltr\">Portanto, atrav\u00e9s da figura 3 deste exerc\u00edcio, notamos a import\u00e2ncia do n\u00famero de quartos, que influencia mais no pre\u00e7o de venda das propriedades do que necessariamente o tamanho da \u00e1rea.<\/p>\n<p class=\"zfr3Q\" dir=\"ltr\">Notamos, ent\u00e3o, a import\u00e2ncia da minera\u00e7\u00e3o de dados, que cont\u00e9m modelos e processos para auxiliar nas descobertas em datasets, que facilitam a tomada de decis\u00e3o, geram vantagem competitiva, e que podem ser aplicados em v\u00e1rios segmentos. Al\u00e9m de plotar gr\u00e1ficos no excel, come\u00e7amos a praticar a ci\u00eancia de dados estruturada.<\/p>\n<div id=\"h.m5gf8e3gw48f\" class=\"GV3q8e aP9Z7e\">\u00a0<\/div>\n<div class=\"CjVfdc\">\n<div class=\"PPhIP rviiZ\">\n<div class=\"VTBa7b MbhUzd\">\u00a0<\/div>\n<\/div>\nRefer\u00eancias:<\/div>\n<ol class=\"n8H08c BKnRcf\">\n<li class=\"TYR86d zfr3Q OmQG5e\">\n<div id=\"h.aon3h1udo1ib\" class=\"GV3q8e aP9Z7e\"><a class=\"XqQF9c\" href=\"http:\/\/www.google.com\/url?q=http%3A%2F%2Fwww-usr.inf.ufsm.br%2F~joaquim%2FUFSM%2FDM%2Fleituras%2F_Capitulo1.pdf&amp;sa=D&amp;sntz=1&amp;usg=AFQjCNEJARbpKhdJy1ZW_chcIwLYwmZpPg\" target=\"_blank\" rel=\"noopener noreferrer\">http:\/\/www-usr.inf.ufsm.br\/~joaquim\/UFSM\/DM\/leituras\/_Capitulo1.pdf<\/a><\/div>\n<\/li>\n<li class=\"TYR86d zfr3Q OmQG5e\">\n<div id=\"h.oag8q49uh9xl\" class=\"GV3q8e aP9Z7e\"><a class=\"XqQF9c\" href=\"https:\/\/www.google.com\/url?q=https%3A%2F%2Fmedium.com%2F%40kvmoura%2Fkdd-process-9b8e3062142&amp;sa=D&amp;sntz=1&amp;usg=AFQjCNHJkBlR55BSwFzwDdoDTD8JNqZSxw\" target=\"_blank\" rel=\"noopener noreferrer\">https:\/\/medium.com\/@kvmoura\/kdd-process-9b8e3062142<\/a><\/div>\n<\/li>\n<li class=\"TYR86d zfr3Q OmQG5e\">\n<div id=\"h.p6v6mg1n703m\" class=\"GV3q8e aP9Z7e\"><a class=\"XqQF9c\" href=\"http:\/\/www.google.com\/url?q=http%3A%2F%2Fwww.saedsayad.com%2Fdata_mining_map.htm&amp;sa=D&amp;sntz=1&amp;usg=AFQjCNGqiVqCcRxDyWobJpLNhkOH6K6Xyg\" target=\"_blank\" rel=\"noopener noreferrer\">http:\/\/www.saedsayad.com\/data_mining_map.htm<\/a><\/div>\n<\/li>\n<\/ol>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n","protected":false},"excerpt":{"rendered":"<p>Ol\u00e1 pessoal, nesta edi\u00e7\u00e3o do PET Reda\u00e7\u00e3o vamos apresentar algumas t\u00e9cnicas de minera\u00e7\u00e3o de dados que t\u00eam auxiliado as organiza\u00e7\u00f5es em seus processos de explora\u00e7\u00e3o em suas bases de dados, s\u00e3o facilitadoras na tomada de decis\u00e3o, geram vantagem competitiva, e podem ser aplicadas em v\u00e1rios segmentos. Let\u2019s bora! \u201cMinera\u00e7\u00e3o: a\u00e7\u00e3o ou efeito de minerar; trabalho [&hellip;]<\/p>\n","protected":false},"author":2948,"featured_media":2659,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[124,112],"tags":[185,149],"class_list":["post-2668","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-destaques","category-redacao","tag-ciencia_de_dados","tag-redacao"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts\/2668","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/users\/2948"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/comments?post=2668"}],"version-history":[{"count":0,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts\/2668\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/media\/2659"}],"wp:attachment":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/media?parent=2668"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/categories?post=2668"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/tags?post=2668"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}