Vamos analisar as alternativas com base no tratamento de dados em machine learning: a) Dados categóricos podem sempre ser transformados em números inteiros sem risco de distorção. — Incorreto. Transformar categorias em números inteiros pode criar uma ordem artificial que não existe (por exemplo, gênero 0, 1, 2 pode sugerir hierarquia), o que pode distorcer o modelo. b) A transformação de dados é apenas um ajuste técnico, sem impacto na interpretação dos resultados. — Incorreto. A transformação pode impactar diretamente a interpretação e o desempenho do modelo. c) Dados numéricos não necessitam de transformações, pois já estão em formato quantitativo. — Incorreto. Dados numéricos podem precisar de normalização, padronização ou outras transformações para melhorar o desempenho do modelo. d) A coexistência de dados categóricos e numéricos não interfere no desempenho dos modelos. — Incorreto. A forma como os dados são tratados pode afetar o desempenho. e) A transformação deve preservar o significado dos dados e evitar a criação de relações artificiais, especialmente em categorias nominais. — Correto. É fundamental que a transformação mantenha o significado original e não crie relações que não existem. Portanto, a alternativa correta é: e. A transformação deve preservar o significado dos dados e evitar a criação de relações artificiais, especialmente em categorias nominais.