Carregando...
Carregando...
Ajude a melhorar a plataforma
Uma aplicação prática do agrupamento de dados (clustering) em aprendizado de máquina é a segmentação de clientes em marketing. Nesse contexto, algoritmos de agrupamento, como K-Means ou DBSCAN, são usados para dividir clientes em grupos com características semelhantes com base em dados como histórico de compras, comportamento de navegação, idade e localização.
De acordo com o apresentado, assinale a alternativa que reconhece o conceito de análise de agrupamentos em aprendizado de máquina.
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.
🎓 Gabarito
A alternativa correta é C
JUSTIFICATIVA:
A análise de agrupamento (clustering) é uma técnica fundamental de aprendizado não supervisionado (unsupervised learning). Seu objetivo principal é identificar estruturas ou padrões naturais em conjuntos de dados que não possuem rótulos prévios. O processo consiste em organizar os objetos em grupos (clusters) de tal forma que os elementos dentro de um mesmo grupo sejam mais similares entre si do que com elementos de outros grupos, utilizando métricas de similaridade ou distância. As outras alternativas descrevem conceitos diferentes: a alternativa A refere-se a pré-processamento ou redução de dimensionalidade; a B descreve classificação (aprendizado supervisionado); a D descreve aprendizado por reforço; e a E descreve otimização de modelos (tuning de hiperparâmetros).