Considere uma dada população de eventos ou novos itens que podem ser particionados (segmentados) em conjuntos de elementos similares, tal como, por exemplo, uma população de dados

Gabarito

D

Comentário do professor

Clustering é o processo de particionar uma população de itens em grupos de elementos semelhantes, usado como forma de descrever conhecimento extraído em data mining. Cada grupo reúne objetos com características próximas entre si, formando agrupamentos que facilitam a interpretação dos dados.

Trata-se de uma técnica de aprendizado não supervisionado cujo objetivo é maximizar a semelhança intra‑grupo e minimizar a semelhança entre grupos. Um exemplo prático é segmentar pacientes conforme padrões de efeitos colaterais para identificar subgrupos com respostas parecidas.

Algoritmos comuns incluem k‑means, métodos hierárquicos e baseados em densidade como DBSCAN. Em k‑means busca‑se minimizar a soma das distâncias quadráticas dentro dos clusters, por exemplo \( \sum_i \|x_i-\mu_{c(i)}\|^2 \). Métricas como a silhouette ajudam a validar a qualidade dos agrupamentos.