Questão de Banco de Dados — Data Mining — FUNDATEC 2023
Banco de Dados›Data Mining
Código
qq897089
Banca
FUNDATEC
Órgão
PROCERGS
Ano
2023
Nível
Superior
Cargo
ANC - Analista em Computação - Ênfase em Ciências de Dados
Analise as assertivas abaixo sobre o método de agrupamento k-means:I. Dada uma coleção de objetos, cada um com n atributos, k-means é um método que, para I - um valor escolhido de k, identifica k grupos de objetos com base na proximidade dos objetos com relação ao centroide do grupo. O centro é determinado como a média do vetor n-dimensional de atributos de cada grupo.II. Por ser um método supervisionado, o K-means ajuda a excluir a subjetividade das análises.III. K-means é um método para definir agrupamentos. Uma vez que os agrupamentos e os seus centroides são identificados, é fácil classificar novos objetivos para um cluster baseado na distância do objeto do centroide mais próximo.Quais estão corretas?
AApenas II.
BApenas I e II.
CApenas I e III.
DApenas II e III.
EI, II e III.
Revelar gabarito e comentário▾
GabaritoC — Apenas I e III.
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”.
Método de agrupamento K-means
Gabarito: letra C (apenas I e III). K-means é um algoritmo de aprendizado não supervisionado que particiona os dados em grupos com base na proximidade ao centróide (média dos pontos do cluster). A assertiva II erra ao classificá-lo como supervisionado.
Assertiva
Descrição
Correta?
Justificativa
I
Identifica k grupos com base na proximidade ao centróide (média do vetor de atributos)
✅ Sim
Descrição fiel ao algoritmo k-means: centróide = média dos pontos do cluster
II
É um método supervisionado que exclui subjetividade
❌ Não
K-means é não supervisionado; não usa rótulos predefinidos
III
Novos objetos são classificados pela distância ao centróide mais próximo
✅ Sim
Característica típica do k-means após definidos os centróides
K-means: Não supervisionado (Particiona em k grupos, Centróide = média dos pontos); Funcionamento (Proximidade ao centróide, Classifica novos objetos); Supervisionado (assertiva II)
Assertiva I — ✅ Correta
A descrição está correta: o k-means define grupos a partir da distância dos objetos ao centróide, que é a média do vetor de atributos de cada grupo. Conforme o material de apoio, "O K-means (k-médias) é um algoritmo popular de aprendizado não supervisionado usado para agrupamentos... cada ponto pertence ao cluster com a média mais próxima".
Assertiva II — ❌ Incorreta
O k-means não é supervisionado. Ele não utiliza rótulos ou classes predefinidas; os agrupamentos emergem dos próprios dados. O erro está em afirmar que é um método supervisionado, quando na verdade é não supervisionado.
Assertiva III — ✅ Correta
Uma vez definidos os centróides dos clusters, novos objetos podem ser classificados calculando a distância a cada centróide e atribuindo ao cluster mais próximo. Essa é uma característica típica do k-means.
Conclusão: Apenas as assertivas I e III estão corretas, portanto a alternativa é a letra C.