Em relação ao aprendizado de máquina não supervisionado, analise as afirmativas a seguir.
I. No algoritmo k-means, a atribuição de cada instância a um grupo é feita pela menor distância ao
centroide, e os centroides são atualizados como a média das instâncias atribuídas a cada grupo,
de forma iterativa até um critério de parada.
II. O coeficiente de silhouette é uma métrica de avaliação de agrupamento, baseada em a(i)
(distância média da instância i ao seu grupo) e b(i) (menor distância média de i a um grupo vizinho),
assumindo valores no intervalo [−1,1].
III. O algoritmo DBSCAN é um método de agrupamento baseado em centroides, no qual o número
de grupos k é definido previamente.
É verdadeiro o que se afirma em

Question

Em relação ao aprendizado de máquina não supervisionado, analise as afirmativas a seguir.
I. No algoritmo k-means, a atribuição de cada instância a um grupo é feita pela menor distância ao
centroide, e os centroides são atualizados como a média das instâncias atribuídas a cada grupo,
de forma iterativa até um critério de parada.
II. O coeficiente de silhouette é uma métrica de avaliação de agrupamento, baseada em a(i)
(distância média da instância i ao seu grupo) e b(i) (menor distância média de i a um grupo vizinho),
assumindo valores no intervalo [−1,1].
III. O algoritmo DBSCAN é um método de agrupamento baseado em centroides, no qual o número
de grupos k é definido previamente.
É verdadeiro o que se afirma em Alternativa A: I e II, apenas. Ou Alternativa B: I e III, apenas. Ou Alternativa C: II, apenas. Ou Alternativa D: III, apenas. Ou Alternativa E: I, II e III.

Qconcursos · Accepted Answer

Alternativa [A] I e II, apenas. Gabarito: AO que precisava saber: Era necessário reconhecer três pontos: no k-means, cada instância é atribuída ao centróide mais próximo e os centróides são recalculados pela média dos pontos do grupo; o coeficiente de silhouette avalia o agrupamento com base em a(i) e b(i), variando de -1 a 1; e o DBSCAN é um método baseado em densidade, não em centróides, sem exigir definição prévia de k.Critério decisivo: As afirmativas I e II descrevem corretamente conceitos clássicos de clustering; a III está incorreta porque o DBSCAN não é baseado em centroides nem exige definição prévia de k.Tema central: Aprendizado de máquina não supervisionado: agrupamento por k-means, coeficiente de silhouette e DBSCAN.Análise das alternativasACertaA alternativa A está correta porque reúne exatamente as afirmativas verdadeiras. A I corresponde ao procedimento padrão do k-means: atribuição de cada instância ao centróide mais próximo e atualização dos centróides como média dos pontos do grupo, repetindo até convergência ou outro critério de parada. A II também está correta, pois o coeficiente de silhouette é uma métrica de validação de agrupamento baseada em a(i) e b(i), com valores no intervalo de -1 a 1. Já a III não pode ser aceita, porque a base afirma que o DBSCAN é baseado em densidade, não em centróides, e que os grupos emergem de parâmetros de densidade, sem k previamente fixado.BErradaIncorreta. Embora a I esteja correta, a alternativa inclui a III, mas a base afirma que o DBSCAN não é um método baseado em centróides e não depende de número k previamente definido.CErradaIncorreta. A II está correta, mas a alternativa erra ao excluir a I, que também corresponde à descrição padrão do funcionamento do k-means.DErradaIncorreta. A alternativa se apoia apenas na III, mas essa afirmativa contraria diretamente a base ao caracterizar o DBSCAN como centrado em centróides e com k pré-definido.EErradaIncorreta. A alternativa só seria válida se as três afirmativas fossem verdadeiras, mas a III é falsa porque descreve o DBSCAN com propriedades que pertencem ao k-means, não a um método baseado em densidade.Pegadinha da questãoA confusão entre algoritmos de agrupamento: a III troca características do DBSCAN pelas do k-means, ao dizer que ele é baseado em centróides e exige k previamente definido. Outra armadilha é supor que todo método de clustering precisa de k.Dica para questões semelhantesSepare mentalmente algoritmo de formação de grupos e métrica de avaliação: k-means forma grupos por centróides; silhouette avalia a qualidade do agrupamento com a(i) e b(i).Ao ver k-means, associe imediatamente duas etapas iterativas: atribuição ao centróide mais próximo e recálculo do centróide pela média dos pontos do grupo.Ao ver DBSCAN, verifique se a descrição fala em densidade. Se mencionar centróides ou k previamente fixado, a caracterização está incompatível com a base.

Em relação ao aprendizado de máquina não supervisionado, ana...

Gabarito comentado

Gabarito: A

Clique para visualizar este gabarito

Comentários

Clique para visualizar este comentário

Resumos relacionados

Editor de Textos: Word e BrOffice.org Writer para concursos

Entenda o que é Extensão de Arquivo em Noções de Informática

Questões de assuntos semelhantes

Provas relacionadas