Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Considere um conjunto de dados multidimensional, desprovido...
Considere um conjunto de dados multidimensional, desprovido de rótulos, no qual se observam agrupamentos com densidades distintas, geometrias não convexas e a presença relevante de ruído. Diante desse cenário, um analista compara diferentes técnicas de agrupamento, levando em conta seus pressupostos teóricos, os critérios adotados para formação dos grupos e suas limitações intrínsecas. Diante dessas características, a técnica de agrupamento que melhor modela o cenário descrito é
A
K-Means, pois é capaz de identificar clusters de formatos arbitrários e tratar naturalmente pontos isolados como ruído, desde que o número de grupos seja bem estimado.
B
DBSCAN, uma vez que forma agrupamentos a partir da densidade local dos pontos, não exige a definição prévia do número de clusters e permite identificar observações que não pertencem a nenhum grupo.
C
Gaussian Mixture Models (GMM), o qual atribui cada ponto exclusivamente a um único cluster, com base na menor distância euclidiana ao centroide mais próximo.
D
KNN, já que realiza clusterização ao estimar distribuições probabilísticas dos dados e ajustar múltiplas componentes gaussianas ao conjunto de observações.
E
Mean-Shift, o qual determina os agrupamentos, ao deslocar pontos em direção a centroides previamente definidos, sendo particularmente adequado quando o número de clusters é conhecido a priori.