Pular para o conteúdo principal

Questão de Algoritmos e Estrutura de Dados — Algoritmos — CESPE / CEBRASPE 2024

Algoritmos e Estrutura de DadosAlgoritmos
Código
ce172773
Banca
CESPE / CEBRASPE
Órgão
CTI
Ano
2024
Nível
Superior
Cargo
Tecnologista Pleno 2 - I - Especialidade: Tecnologias Habilitadoras - Área de Atuação: Inteligência Artificial e Ciências de Dados
Julgue o item a seguir, a respeito de algoritmos e técnicas supervisionadas e não supervisionadas de aprendizado de máquina e aprendizagem profunda.No algoritmo K-means, a similaridade intragrupo é avaliada considerando-se o valor médio dos objetos em um grupo, que pode ser visto como o seu centro de gravidade ou o centroide.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Algoritmo K-means: similaridade intragrupo

✅ CERTO. A afirmação está correta. No algoritmo K-means, a similaridade intragrupo (coesão) é de fato avaliada com base no centroide, que é o valor médio (centro de gravidade) dos objetos pertencentes a cada cluster. O objetivo do algoritmo é minimizar a distância intra-cluster, geralmente a soma dos quadrados das distâncias dos pontos ao centroide, o que caracteriza a avaliação da similaridade entre os elementos do mesmo grupo.

O K-means é um algoritmo de agrupamento não supervisionado que particiona os dados em (k) clusters, onde cada cluster é representado pelo seu centroide — a média aritmética dos pontos do cluster. A similaridade intragrupo é medida pela proximidade dos pontos em relação a esse centroide; quanto mais próximos, maior a similaridade. O termo "centro de gravidade" é uma analogia comum para o centroide, especialmente no contexto de clusters compactos.

Link permanente: /questoes/ce172773