Aplicação e avaliação de algoritmos de mineração de dados para localizar padrões em bancos de dados

Abstract

A mineração de dados possui muita importância nos dias atuais, principalmente no ambiente empresarial, onde a quantidade de dados cresce em grande proporção tornando muito difícil a tarefa de criar indicadores e relatórios que facilitem a compreensão desses números. Ao longo da pesquisa, foram abordadas as principais técnicas de mineração de dados com analogias a exemplos de possíveis utilizações práticas e seus respectivos algoritmos. Por fim, foi realizado um estudo de análise comparativa entre os algoritmos de clusterização Simple K-Means, EM (Expectation-Maximization) e X-Means, os quais foram aplicados em dados gerados no software Octave conforme alguns critérios pré-estabelecidos, com o objetivo de conseguir comparar os novos clusters descobertos em relação aos grupos anteriormente criados, a fim de concluir qual algoritmo obteve melhores resultados. Como resultado foi possível observar o comportamento dos algoritmos em relação a estrutura do banco de dados. Foi possível observar que em bases que possuíam quantidade maior de atributos, a taxa de erros foi consideravelmente menor e que o diferente desempenho de um mesmo algoritmo em duas situações não semelhantes, como foi o caso do algoritmo Simple K-Means, mostra que não necessariamente um único algoritmo pode ser a solução única para diversos bancos de dados.