Carregando...
Carregando...
Ajude a melhorar a plataforma
Os algoritmos de agrupamento desempenham um papel importante na análise de dados, permitindo a descoberta de padrões e a segmentação de conjuntos de dados complexos. Dentre as diversas abordagens de agrupamento, os métodos baseados em conectividade (como o agrupamento hierárquico) e os baseados em centroides (como o K-means) são particularmente populares. Cada um desses tipos possui características únicas que os tornam mais adequados para determinadas situações, dependendo da natureza dos dados e dos objetivos específicos da análise.
Considere as seguintes afirmativas sobre os algoritmos de agrupamento baseado em conectividade e baseado em centroides:
Os algoritmos baseados em conectividade criam clusters se baseando na proximidade ou distância entre os pontos de dados, formando uma hierarquia que pode ser visualizada por um dendrograma. II. Os algoritmos baseados em centroides são particularmente eficazes para dados de grande volume devido à sua baixa complexidade computacional em comparação com os métodos de conectividade. III. O K-means, um algoritmo baseado em centroides, requer a definição prévia do número de clusters, o que pode ser uma limitação se a estrutura natural dos dados é desconhecida. IV. Os métodos baseados em conectividade são incapazes de identificar clusters com formas não esféricas, enquanto métodos baseados em centroides não têm essa limitação. V. Os algoritmos baseados em conectividade podem se adaptar melhor a conjuntos de dados com clusters de tamanhos e formas variados, ao contrário dos algoritmos baseados em centroides.
É correto o que se afirma em:
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 Comentado (AVA):
JUSTIFICATIVA
A afirmativa I é correta, pois os algoritmos baseados em conectividade, como o agrupamento hierárquico, utilizam a proximidade ou distância entre pontos de dados para formar clusters, os quais podem ser representados em uma estrutura hierárquica visualizada por meio de um dendrograma. A afirmativa II é incorreta, pois embora algoritmos baseados em centroides, como o K-means, sejam eficientes e comumente usados em conjuntos de dados grandes, a comparação direta com métodos de conectividade sobre a complexidade computacional varia de acordo com o contexto específico e a implementação. A afirmativa III é correta, pois o K-means necessita que o número de clusters seja definido a priori, o que pode ser uma desvantagem se a distribuição ou estrutura dos dados é inicialmente desconhecida. A afirmativa IV é incorreta, pois afirmação sobre a capacidade de identificar clusters com formas não esféricas está invertida; métodos baseados em conectividade não possuem a limitação de identificar apenas formas esféricas - essa limitação é mais característica dos métodos baseados em centroides, como o K-means. A afirmativa V é correta, pois algoritmos baseados em conectividade tendem a ser mais flexíveis na identificação de clusters de tamanhos e formas variados, pois não se baseiam em um centro comum para todos os pontos do cluster, adaptando-se melhor à estrutura natural dos dados.
