Questão de Tecnologia da Informação · FGV DATAPREV 2024 (nº 54)

O K-Means é um algoritmo de agrupamento que divide um conjunto de dados em um número pré-definido de grupos (clusters), onde cada ponto de dado pertence a apenas um grupo.

(A) Incorreta: Algoritmos baseados em grade dividem o espaço de dados em células e agrupam essas células, o que não é o funcionamento do K-Means.
(B) Incorreta: Algoritmos baseados em grafo representam os dados como nós e arestas, e o agrupamento é feito por meio de particionamento de grafos, diferente do K-Means.
(C) Incorreta: Algoritmos hierárquicos constroem uma estrutura em árvore (dendrograma) de clusters, seja por fusão (aglomerativo) ou divisão (divisivo). O K-Means cria uma partição "plana" e não uma hierarquia. A armadilha aqui é que o agrupamento hierárquico é outra categoria principal de algoritmos de agrupamento, mas o K-Means não constrói essa estrutura de árvore.
(D) Correta: O K-Means é um algoritmo partitivo porque ele divide o conjunto de dados em um número específico de partições (clusters) não sobrepostas, onde cada ponto de dado pertence a exatamente um cluster, buscando otimizar uma função objetivo (geralmente minimizando a soma dos quadrados das distâncias dos pontos aos seus respectivos centróides).
(E) Incorreta: Algoritmos por densidade identificam clusters como regiões densas de pontos de dados separadas por regiões esparsas, como o DBSCAN, o que não é o princípio do K-Means.