Conforme Almeida, Tokumoto, Freitas (2022), a clusterização é uma técnica de classificação “primitiva”, pois nenhuma suposição é feita a respeito dos grupos analisados. Além disto, estes mesmo autores indicam que existem diferentes tipos de agrupamento de clusters:
1) Grupo Exclusivo - onde cada registro pertence a um único grupo; 2) Sobreposto - os registros podem pertencer a mais de um grupo ou cluster; 3) Completo ou parcial - onde se consegue separar (ou não) todos os registros; 4) Homogêneo ou heterogêneo - agrupamento que apresenta (ou não) tamanhos, formas e densidades similares; 5) Hierárquico - a hierarquia entre os grupos que podem conter subgrupos e outros registros.
Desses grupos, percebe-se que
I) Grupos Exclusivo, Homogêneo e Completo permitem uma melhor análise dos resultados pois os elementos dos grupos estão claramente em um cluster.
CONTUDO,
II) Grupos Sobreposto e Parcial possibilitam identificar que os elementos têm características que permitem estar em mais de um cluster.
ALMEIDA, Iara Carnevale de; TOKUMOTO, Ronie Cesar; FREITAS, Janaína Aparecida de. Técnicas de Machine Learning (Aprendizagem de Máquina). Maringá - PR.: Unicesumar, 2021.
A respeito dessas asserções, assinale a opção correta:
Alternativas Alternativa 1: As asserções I e II são proposições falsas.
Alternativa 2: A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
Alternativa 3: A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
Alternativa 4: As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I.
Alternativa 5: As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
Lista de comentários
Resposta:
Alternativa 4
Explicação:
Alternativa 4:
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Conforme página 930e 94 do livro.