Um servidor público de um órgão previdenciário, após analisar um conjunto de dados sobre benefícios concedidos, percebeu uma ampla variação nos valores e nas características dos be

Gabarito

D

Comentário do professor

K-means é um algoritmo de agrupamento (clustering) de aprendizado não supervisionado ideal para dividir beneficiários em perfis com base em atributos numéricos.

O procedimento básico: escolhem-se \(k\) centroides, atribuem-se os pontos ao centroide mais próximo, recalculam-se os centroides como a média dos pontos de cada grupo e repete-se até convergir.

O objetivo é minimizar a soma das distâncias quadráticas dentro dos clusters: \( \sum_{i=1}^k \sum_{x\in C_i} \|x-\mu_i\|^2 \), onde \(\mu_i\) é o centroide do cluster \(C_i\).

Recomenda-se normalizar variáveis antes de aplicar e avaliar o número \(k\) (métodos elbow ou silhueta).

Observação prática: K-means é eficiente e interpretável, mas sensível a outliers e à inicialização dos centroides.