Qual método de agrupamento particiona dados não rotulados em K grupos minimizando a soma das distâncias quadráticas intra‑cluster?

Resposta

K-means.

Explicação:
Optimiza \( \sum_{j=1}^K \sum_{x\in C_j} \|x-\mu_j\|^2 \).
Alterna atribuição (cada ponto vai ao centroide mais próximo) e atualização (recalcula centroides \( \mu_j=\frac{1}{|C_j|}\sum_{x\in C_j}x \)).
Requer escolher K e normalizar variáveis; inicialização como k-means++ e múltiplas execuções aumentam robustez.