Olá, pessoal!
Em operações com vetores, é interessante relacionar a adição vetorial a uma situação concreta de Data Science.
Considere uma plataforma que registra as compras de um cliente em três categorias, sempre nesta ordem:
T = {Livros, Tecnologia, Cursos}
No primeiro mês, o cliente realizou três compras de livros, uma de tecnologia e duas de cursos. Podemos representar esses dados pelo vetor:
{v}_1 = (3,1,2)
No segundo mês, ele realizou duas compras de livros, três de tecnologia e uma de curso:
{v}_2 = (2,3,1)
Para determinar o perfil acumulado de consumo nos dois meses, adicionamos os vetores componente a componente:
{v}_1+ {v}_2
(3,1,2)+(2,3,1)
{v}_{total}
(3+2, 1+3, 2+1)
{v}_{total} = (5,4,3)
Portanto, durante o período analisado, o cliente realizou cinco compras de livros, quatro de tecnologia e três de cursos.
O vetor resultante não representa apenas uma resposta algébrica. Ele sintetiza o comportamento de consumo do cliente e permite identificar, por exemplo, que livros foram a categoria com maior número de compras.
Em uma aplicação de Data Science, esse perfil acumulado poderia ser utilizado para:
- comparar o comportamento de diferentes clientes;
- identificar preferências de consumo;
- formar grupos de consumidores com características semelhantes;
- personalizar campanhas;
- auxiliar um sistema de recomendação.
- O exemplo também evidencia uma condição importante: os vetores só podem ser adicionados dessa maneira porque suas componentes representam as mesmas categorias, na mesma ordem e na mesma unidade.
Assim, a adição vetorial representa o procedimento algébrico de uma operação de agregação de dados capaz de produzir informações úteis para uma análise.
O que vocês acham dessa forma de contextualizar a adição de vetores em Data Science?
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!