Carregando...
Carregando...
As técnicas de agrupamento procuram comparar um conjunto de objetos e encontrar entre eles os atributos que são similares em que é possível a distinção, onde, nos clusters, eles compartilhem da mesma característica. Para um entendimento da análise de agrupamentos, é necessário conhecimento sobre os clusters e sobre seus critérios de agrupamento, sendo comum no processo de agrupamento a preparação de dados, as medidas de proximidade, os algoritmos de agrupamento, a validação e a interpretação de resultados.
Considerando a análise de agrupamento e suas definições básicas de clusters aplicadas no aprendizado de máquina, avalie as afirmações a seguir a respeito dessas definições básicas e as correlacione adequadamente com os termos às quais se referem.
Cluster contínuo ou encadeado. Cluster baseado em similaridade. Cluster baseado em densidade.
É um conjunto de pontos que são similares, enquanto que pontos em clusters diferentes não são similares. É uma região densa de pontos, separada de outras regiões de alta densidade por regiões de baixa densidade. É um conjunto de pontos em que qualquer ponto do cluster é mais similar a um ou mais pontos no próprio cluster do que qualquer outro ponto que não pertence a ele.
Assinale a alternativa que correlaciona adequadamente os dois grupos de informação.
Explique melhor esta questão
Abre o Tutor com o enunciado e as alternativas já no campo — você revisa e envia.
Esta questão foi verificada por um de nossos administradores.
A sentença I se enquadra no conceito 2, pois o próprio nome do cluster condiz com sua principal característica, que é agrupar dados e atributos similares. A sentença II se enquadra no conceito 3, pois, no cluster de densidade, é possível visualizarmos a concentração de um grande número de atributos e dados agrupados. A sentença III se enquadra no conceito 1, pois, no cluster de encadeamento, a separação entre os atributos é dada de acordo com uma sequência ordenada dos atributos de forma que haja a junção dos mais similares frente a outros. Por definição básica, em aprendizado de máquina, temos que o cluster contínuo ou encadeado é um conjunto de pontos em que qualquer ponto do cluster é mais similar a um ou mais pontos no próprio cluster do que qualquer outro ponto que não pertence a ele. O cluster baseado em similaridade é um conjunto de pontos que são similares, enquanto que pontos em clusters diferentes não são similares. O cluster baseado em densidade é uma região densa de pontos separada de outras regiões de alta densidade por regiões de baixa densidade.