Questão FC369894
Alguns algoritmos de aprendizado de máquina servem para agrupar instâncias de dados em clusters, podendo ser utilizados para tarefas como segmentação de imagens, ou segmentação soc
Inteligência Artificial (IA)
FGV · 2024
Alguns algoritmos de aprendizado de máquina servem para agrupar instâncias de dados em clusters, podendo ser utilizados para tarefas como segmentação de imagens, ou segmentação social (por exemplo, para agrupamento de clientes em uma mesma categoria.
Dois dos mais populares algoritmos são o K-means e o DBSCAN. A respeito desses algoritmos, relacione-os com suas principais características:
1. K-means
2. DBSCAN
( ) Precisa da definição de um número inicial de agrupamentos.
( ) Mais robusto à ocorrência de outliers, por sua provável localização em regiões de baixa densidade de dados.
( ) Precisa da definição do número mínimo de vizinhos e do raio da vizinhança para determinar limites dos agrupamentos.
( ) Determina centróides dos agrupamentos e agrupa as instâncias de dados em função de uma métrica de distância entre as instâncias e os centróides.
Assinale a opção que indica a relação correta, na sequência apresentada.
- 2 – 1 – 2 – 1.
- 1 – 1 – 2 – 1.
- 2 – 1 – 1 – 2.
- 2 – 1 – 1 – 1.
- 1 – 2 – 2 – 1.
Mostrar resposta e comentário
Gabarito
Errado
Comentário do professor
1 – 2 – 2 – 1 indica que os itens 1 e 4 se referem ao K‑means e os itens 2 e 3 ao DBSCAN.
O K‑means exige a definição prévia de k (número de clusters) e determina os centróides iterativamente, atribuindo cada ponto ao centróide mais próximo com base em uma métrica de distância até convergência.
O DBSCAN é um método baseado em densidade que precisa de dois parâmetros: eps (raio da vizinhança) e MinPts (mínimo de vizinhos). Ele forma clusters a partir de regiões densas e classifica pontos isolados como ruído, o que o torna mais robusto a outliers.
Portanto, a sequência apresentada é coerente com as características operacionais de cada algoritmo.
Conteúdo do catálogo FC Concursos · Atualizado em