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.