4. O algoritmo k-means é um dos mais utilizados para a tarefa de agrupamento. Ele se baseia na distribuição de centroides em um espaço de dados e atribui a cada instância de dado um cluster com base nesses centroides. Sobre o objetivo da função de proximidade no algoritmo k-means, assinale a alternativa correta.
A. Calcular a distância de cada instância de dado do dataset para o centroide do cluster em cada iteração do algoritmo. A instância será alocada para o cluster em que tenha a menor distância para seu centroide.
B. Calcular a distância entre os centroides dos clusters.
C. Calcular a distância entre cada par de instância de dados.
A. Calcular a distância de cada instância de dado do dataset para o centroide do cluster em cada iteração do algoritmo. A instância será alocada para o cluster em que tenha a menor distância para seu centroide.
Explicação:
A função serve justamente para encontrar o cluster de que a instância do dado mais se “aproxima”.
A. Calcular a distância de cada instância de dado do dataset para o centroide do cluster em cada iteração do algoritmo. A instância será alocada para o cluster em que tenha a menor distância para seu centroide.
Explicação:
A função serve justamente para encontrar o cluster de que a instância do dado mais se “aproxima”.
Lista de comentários
Resposta:
A. Calcular a distância de cada instância de dado do dataset para o centroide do cluster em cada iteração do algoritmo. A instância será alocada para o cluster em que tenha a menor distância para seu centroide.
Explicação:
A função serve justamente para encontrar o cluster de que a instância do dado mais se “aproxima”.
Resposta:
A. Calcular a distância de cada instância de dado do dataset para o centroide do cluster em cada iteração do algoritmo. A instância será alocada para o cluster em que tenha a menor distância para seu centroide.
Explicação:
A função serve justamente para encontrar o cluster de que a instância do dado mais se “aproxima”.