Questão de Engenharia de Software — Inteligencia Artificial — FGV 2023
Engenharia de Software›Inteligencia Artificial
Código
fg069420
Banca
FGV
Órgão
SEFAZ-MT
Ano
2023
Nível
Superior
Cargo
SEFAZ- MT - Fiscal de Tributos Estaduais (FTE) - Tarde
Sobra algaritmos de clusterização, analise as afirmativas a seguir.I. Os resultados de um algoritmo de clusterização baseados em grafo são normalmente mostrados como um dendrograma.II. Os métodos baseados em densidade são adequados para descobrir clusters com forma arbitrária, tais como elíptica, cilíndrica ou espiralada.III. K-Means e K-Medaids são algoritmos de clusterização aglomerativa que dividen a base de dados em k-grupos, onde o número k é dado pelo usuário.Está correto o que se afirma em
AI, apenas.
BII, apenas.
CIII, apenas.
DI e II, apenas.
EI, II e III.
Revelar gabarito e comentário▾
GabaritoD — I e II, apenas.
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”.
Algoritmos de Clusterização
Gabarito: letra D (I e II, apenas). A afirmativa I está correta porque resultados de métodos hierárquicos (frequentemente baseados em grafo) são representados por dendrogramas. A afirmativa II está correta porque métodos baseados em densidade, como DBSCAN, capturam clusters de formas arbitrárias (elíptica, espiralada). A afirmativa III está incorreta porque K-Means e K-Medoids são algoritmos de particionamento, não aglomerativos.
Afirmativa
Conteúdo
Correção
Justificativa
I
Resultados de clusterização baseada em grafo são mostrados como dendrograma
✅ Correta
Métodos hierárquicos (ex.: single-linkage) usam grafos e geram dendrograma
II
Métodos baseados em densidade são adequados para clusters de forma arbitrária (elíptica, cilíndrica, espiralada)
✅ Correta
DBSCAN e similares agrupam por densidade, capturando formas não esféricas
III
K-Means e K-Medoids são algoritmos de clusterização aglomerativa
❌ Incorreta
São algoritmos de particionamento, não aglomerativos (hierárquicos)
Clusterização: Hierárquica; Baseada em grafo; Dendrograma; Particionamento; K-Means; K-Medoids; Não é aglomerativo; Densidade; DBSCAN; Formas arbitrárias
Item I — ✅ Correto
Os algoritmos de clusterização hierárquica, que constroem uma estrutura de árvore, exibem os agrupamentos por meio de um dendrograma. Muitos desses métodos são implementados com base em grafos (ex.: single-linkage, complete-linkage). O dendrograma mostra a hierarquia dos clusters formados em cada etapa.
Material didático:
"Os métodos hierárquicos constroem uma estrutura em forma de árvore chamada dendrograma, que mostra como os dados vão sendo agrupados ou divididos ao longo do tempo."
Item II — ✅ Correto
Métodos baseados em densidade (ex.: DBSCAN, OPTICS) são projetados para encontrar clusters de formas arbitrárias, incluindo formas não esféricas como elípticas, cilíndricas ou espiraladas. Eles agrupam pontos em regiões densas, separando-as por regiões de baixa densidade, o que lhes confere essa flexibilidade.
Item III — ❌ Incorreto
K-Means e K-Medoids são algoritmos de particionamento (ou partição), não aglomerativos. Eles dividem o conjunto de dados em k grupos definidos a priori pelo usuário, mas não seguem uma abordagem hierárquica (aglomerativa ou divisiva). O erro está em classificá-los como aglomerativos.
NÃO CAIA NESSA!
A banca troca a categoria dos algoritmos: K-Means e K-Medoids são particionais, enquanto os aglomerativos são os hierárquicos (ex.: AGNES). Lembre-se: hierárquico constrói dendrograma; particionamento divide em k grupos diretamente.
Conclusão: Apenas as afirmativas I e II são verdadeiras, correspondendo à alternativa D.