-
Os métodos de particionamento para k-clusterização incluem ainda as técnicas k-medoids e k-means, de acordo com o tipo de representatividade utilizada para os
clusters: no k-medoids, o elemento que melhor representa o cluster, é definido de acordo com seus atributos sem que haja muita influência dos valores próximos aos
limites do cluster; no k-means o elemento representativo de um cluster é o seu centróide, que possui um valor médio para os atributos considerados, relativos a todos
os elementos do cluster.
Os métodos de particionamento para k-clusterização incluem ainda as técnicas k-medoids e k-means, de acordo com o tipo de representatividade utilizada para os
clusters: no k-medoids, o elemento que melhor representa o cluster, é definido de acordo com seus atributos sem que haja muita influência dos valores próximos aos
limites do cluster; no k-means o elemento representativo de um cluster é o seu centróide, que possui um valor médio para os atributos considerados, relativos a todos
os elementos do cluster.
Os métodos de particionamento para k-clusterização incluem ainda as técnicas k-medoids e k-means, de acordo com o tipo de representatividade utilizada para os clusters: no k-medoids, o elemento que melhor representa o cluster, é definido de acordo com seus atributos sem que haja muita influência dos valores próximos aos limites do cluster; no k-means o elemento representativo de um cluster é o seu centróide, que possui um valor médio para os atributos considerados, relativos a todos os elementos do cluster.
fonte: http://www2.ic.uff.br/~satoru/conteudo/artigos/ERI-Minicurso-SATORU.pdf
-
Questãozinha escrota pra técnico!
-
Prezados,
Essa questão não é trivial, e aborda conceitos ainda pouco explorado pelas bancas examinadoras.
Os métodos de particionamento para k-clusterização incluem ainda as técnicas kmedoids e k-means, de acordo com o tipo de representatividade utilizada para os clusters: no k-medoids, o elemento que melhor representa o cluster, é definido de acordo com seus atributos sem que haja muita influência dos valores próximos aos limites do cluster; no k-means o elemento representativo de um cluster é o seu centróide, que possui um valor médio para os atributos considerados, relativos a todos os elementos do cluster. A utilização do centróide como elemento representativo de um cluster é conveniente apenas para atributos numéricos e possui um significado geométrico e estatístico claro podendo, entretanto, receber muita influência de um único elemento que se encontre próximo à fronteira do cluster
Portanto, questão correta.
Fonte : http://www2.ic.uff.br/~satoru/conteudo/artigos/ERI-Minicurso-SATORU.pdf
-
Fato - provas para ganhar R$ 2k são muito mais fodas que as de R$ 12k salário.
-
Para quem não entende os comentários sem o gabarito e não tem acesso a resposta.
Gaba: CERTO
Os métodos de particionamento para k-clusterização incluem ainda as técnicas k-medoids e k-means, de acordo com o tipo de representatividade utilizada para os clusters: no k-medoids, o elemento que melhor representa o cluster, é definido de acordo com seus atributos sem que haja muita influência dos valores próximos aos limites do cluster; no k-means o elemento representativo de um cluster é o seu centróide, que possui um valor médio para os atributos considerados, relativos a todos os elementos do cluster.
fonte: http://www2.ic.uff.br/~satoru/conteudo/artigos/ERI-Minicurso-SATORU.pdf
-
k-medoids --> mediana
em estatística, a mediana não é afetada pelos extremos, exemplo o conjunto {2,4,6,8,10}
mediana = 6
Caso faça uma alteração nos valores extremos, tipo assim : {-5,4,6,8,720)
mediana = 6
Usei esse raciocínio frouxo pra acertar kk
-
gabarito correto
Autor: Leandro Rangel, Auditor Federal de Controle Externo do TCU. Ex Auditor da CGU., de Noções de Informática, Arquitetura de Computadores, Sistemas Operacionais, Redes de Computadores, Banco de Dados, Segurança da Informação, Algoritmos e Estrutura de Dados, Governança de TI, Engenharia de Software, Programação, Sistemas de Informação, Eletrônica, Arquitetura de Software
Prezados,
Essa questão não é trivial, e aborda conceitos ainda pouco explorado pelas bancas examinadoras.
Os métodos de particionamento para k-clusterização incluem ainda as técnicas kmedoids e k-means, de acordo com o tipo de representatividade utilizada para os clusters: no k-medoids, o elemento que melhor representa o cluster, é definido de acordo com seus atributos sem que haja muita influência dos valores próximos aos limites do cluster; no k-means o elemento representativo de um cluster é o seu centróide, que possui um valor médio para os atributos considerados, relativos a todos os elementos do cluster. A utilização do centróide como elemento representativo de um cluster é conveniente apenas para atributos numéricos e possui um significado geométrico e estatístico claro podendo, entretanto, receber muita influência de um único elemento que se encontre próximo à fronteira do cluster
Portanto, questão correta.
Fonte :
colei comentário do professor.