Encontrar dados agrupados naturalmente é importante para os cientistas de dados. No entanto, não há critérios específicos para determinar a qualidade de um agrupamento, além de preferências pessoais, requisitos e finalidade dos dados. Os cientistas de dados usam algoritmos para agrupar dados para atender às suas necessidades.
Com relação a alguns algoritmos de agrupamento, avalie as afirmativas a seguir.
I. Algoritmo k-médias: agrupa dados de entrada com base em k o número de grupos que o algoritmo deseja criar. Ao manter a similaridade de grupo alta e a similaridade intergrupo baixa, o algoritmo usa esses dados para criar grupos de k-médias.
II. Algoritmo k-medoids: medoids é um objeto que é o mais semelhante a todos os outros objetos em um grupo. É o que está mais próximo do centro do grupo. Os algoritmos k-means usam um objeto da base como protótipo, não o objeto central, ao agrupar objetos.
III. Algoritmo fuzzy k-médias: é um método de classificação rígido que atribui objetos a um conjunto de grupos predefinidos. No entanto, o método k-means pode ser estendido para criar uma classificação mais difusa, atribuindo a cada objeto um grau de associação em relação aos grupos de base. Isso permite que um objeto pertença a vários grupos, mas com vários graus de associação.
É correto o que se afirma em:
A) I e II, apenas.
B) II e III, apenas.
C) I e III, apenas.
D) I, II e III.
E) I, apenas.
Please enter comments
Please enter your name.
Please enter the correct email address.
You must agree before submitting.

Lista de comentários


Helpful Social

Copyright © 2024 ELIBRARY.TIPS - All rights reserved.