Algoritmos de agrupamento são fundamentais para a área de
aprendizado de máquina não supervisionado. Em geral, esses
algoritmos determinam clusters de instâncias de dados que
possuem algum traço de similaridade entre si.
Relacione os métodos de agrupamento hierárquico e o K-means às
suas principais características.
1. Agrupamento Hierárquico
2. K-means
( ) Seus resultados são altamente sensíveis ao número de clusters
que deve ser pré-definido pelo usuário do algoritmo.
( ) Baseia-se em abordagens top-down ou bottom-up, isto é, com
a divisão ou com a união sucessiva de clusters.
( ) Seus resultados costumam ser graficamente visualizados por
dendrogramas, que podem ser seccionados de acordo com o
número de clusters determinado pelo usuário do algoritmo.
( ) Avalia distâncias entre as instâncias de dados e os centroides
dos clusters e atualiza a posição dos centroides dos clusters
sucessivamente, até a convergência.
Assinale a opção que indica a relação correta, na ordem
apresentada.