Sobra algaritmos de clusterização, analise as afirmativas a seguir. I. Os resultados de um algoritmo de clusterização baseados em grafo são normalmente mostrados como um dendrograma. II. Os métodos baseados em densidade são adequados para descobrir clusters com forma arbitrária, tais como elíptica, cilíndrica ou espiralada. III. K-Means e K-Medaids são algoritmos de clusterização aglomerativa que dividen a base de dados em k-grupos, onde o número k é dado pelo usuário. Está correto o que se afirma em
- A)I, apenas.
Errada, porque a afirmativa I não está correta e as demais também não sustentam essa alternativa.
- B)II, apenas.
Certa, pois apenas a afirmativa II descreve corretamente um comportamento típico dos métodos baseados em densidade.
- C)III, apenas.
Errada, porque K-Means e K-Medoids não são algoritmos aglomerativos, e sim particionais.
- D)I e II, apenas.
Errada, pois a afirmativa I não é adequada nesse contexto e só a II está correta.
- E)I, II e III.
Errada, porque as afirmativas I e III estão incorretas.
Gabarito: B
Em clusterização, a ideia é separar dados em grupos com características parecidas, sem rótulo prévio. Cada família de algoritmos enxerga o problema de um jeito: uns juntam pontos por proximidade, outros procuram regiões mais densas e outros ainda constroem uma hierarquia de agrupamentos. É por isso que as bancas gostam de misturar os conceitos para ver se você cai na conversa bonita do enunciado. A afirmativa II está correta: métodos baseados em densidade, como o DBSCAN, são bons para encontrar clusters com formatos arbitrários. Eles não dependem de clusters “redondinhos” ou separados por fronteiras simples, então conseguem lidar melhor com formas elípticas, espiraladas e outras geometrias mais mal-educadas. Já a I está errada porque dendrograma é representação típica de clusterização hierárquica, especialmente a aglomerativa, e não de algoritmos baseados em grafo. Em outras palavras: dendrograma combina com árvore hierárquica, não com a ideia geral de grafo no sentido cobrado aqui. A III também está errada: K-Means e K-Medoids são métodos particionais, não aglomerativos. Eles dividem os dados em k grupos definido pelo usuário, mas fazem isso por particionamento, e não por fusão sucessiva de clusters. Por isso, o gabarito B fica correto, pois apenas a afirmativa II se sustenta.