No que se refere a técnicas, ferramentas e algoritmos de apr...
O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para realizar o agrupamento de objetos semelhantes.
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: Errado.
Na técnica de aprendizado de máquina não supervisionado conhecida como k-means, os centróides dos grupos, ou seja, os pontos representativos de cada cluster, não são necessariamente objetos reais do conjunto de dados. Ao invés disso, o algoritmo seleciona centróides iniciais de forma aleatória ou por meio de uma heurística, e em seguida, iterativamente, atualiza esses centróides com base na média dos pontos que foram atribuídos ao grupo correspondente.
O objetivo principal do k-means é minimizar a soma das distâncias quadráticas entre os pontos de dados e o centróide de seus respectivos clusters. Para isso, o algoritmo segue um processo iterativo e busca a melhor posição para os centróides para que este objetivo seja atingido, até que não haja mais mudanças significativas na posição dos centróides ou que a alteração no valor da função de custo esteja abaixo de um determinado limiar, indicando a convergência do algoritmo.
Portanto, os centros dos grupos formados no k-means são pontos que, em geral, não correspondem a pontos de dados reais, mas são o resultado de um cálculo de média dos pontos pertencentes a cada grupo. Algumas variações do k-means, como o k-medoids, operam de maneira diferente e podem selecionar pontos reais como centróides. Contudo, o k-means clássico não segue essa abordagem.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para realizar o agrupamento de objetos semelhantes. (errado)
O centroide é um ponto representativo de cada cluster. O algoritmo K-means atribui cada ponto de dados de entrada a um dos clusters minimizando a soma de quadrados dentro do cluster. Quando ele processa os dados de treinamento, o algoritmo K-means começa com um conjunto inicial de centroides escolhidos aleatoriamente.
Errado. O algoritmo k-means não seleciona objetos reais da base de dados como centroides iniciais. A escolha inicial dos centroides é feita de forma aleatória. No início do algoritmo, k centroides são escolhidos aleatoriamente a partir do conjunto de dados ou por meio de uma estratégia específica, mas não são necessariamente objetos reais da base de dados. A partir dessa inicialização, o algoritmo procede iterativamente, atribuindo pontos aos clusters, recalculando os centroides e repetindo até a convergência.
Fonte: Chat GTP.
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo