Questão de Ciência de Dados · FGV TCE-PA 2024 (nº 84)

Algoritmos de clusterização agrupam dados semelhantes em categorias (clusters) sem supervisão prévia. O K-means agrupa dados em um número pré-definido de clusters com base na proximidade a centróides, enquanto o DBSCAN encontra clusters de alta densidade, identificando pontos de ruído (outliers) e não exigindo um número fixo de clusters.

• (A) Incorreta: A sequência 2 – 1 – 2 – 1 está incorreta. A primeira afirmação ("Precisa da definição de um número inicial de agrupamentos") refere-se ao K-means (1), não ao DBSCAN (2).
• (B) Incorreta: A sequência 1 – 1 – 2 – 1 está incorreta. A segunda afirmação ("Mais robusto à ocorrência de outliers...") refere-se ao DBSCAN (2), não ao K-means (1). Esta é uma armadilha comum, pois o K-means é sensível a outliers, que podem distorcer os centróides.
• (C) Incorreta: A sequência 2 – 1 – 1 – 2 está incorreta. A primeira afirmação ("Precisa da definição de um número inicial de agrupamentos") refere-se ao K-means (1), não ao DBSCAN (2). A terceira afirmação ("Precisa da definição do número mínimo de vizinhos e do raio da vizinhança...") refere-se ao DBSCAN (2), não ao K-means (1).
• (D) Incorreta: A sequência 2 – 1 – 1 – 1 está incorreta. A primeira afirmação ("Precisa da definição de um número inicial de agrupamentos") refere-se ao K-means (1), não ao DBSCAN (2). A terceira afirmação ("Precisa da definição do número mínimo de vizinhos e do raio da vizinhança...") refere-se ao DBSCAN (2), não ao K-means (1).
• (E) Correta: A sequência 1 – 2 – 2 – 1 está correta.
  1. "Precisa da definição de um número inicial de agrupamentos." - K-means (1), pois o 'K' em K-means é o número de clusters.
  2. "Mais robusto à ocorrência de outliers, por sua provável localização em regiões de baixa densidade de dados." - DBSCAN (2), que identifica outliers como "pontos de ruído" (noise points) por estarem em regiões de baixa densidade. O K-means, ao contrário, tenta atribuir todos os pontos a um cluster, sendo sensível a outliers.
  3. "Precisa da definição do número mínimo de vizinhos e do raio da vizinhança para determinar limites dos agrupamentos." - DBSCAN (2), que utiliza os parâmetros minPts (número mínimo de vizinhos) e epsilon (raio da vizinhança) para definir a densidade e expandir os clusters.
  4. "Determina centróides dos agrupamentos e agrupa as instâncias de dados em função de uma métrica de distância entre as instâncias e os centróides." - K-means (1), que funciona iterativamente calculando centróides e atribuindo pontos ao centróide mais próximo.