Exercício de fixação - K-means_ 14 - Machine Learning (2025)3

Prévia do material em texto

Exercício de fixação - K-means
Entrega Sem prazo
Pontos 2
Perguntas 2
Limite de tempo Nenhum
Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MANTIDO Tentativa 2 Menos de 1 minuto 2 de 2
MAIS RECENTE Tentativa 2 Menos de 1 minuto 2 de 2
Tentativa 1 Menos de 1 minuto 1 de 2
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 2 de 2
Enviado 8 nov em 21:30
Esta tentativa levou Menos de 1 minuto.
Pergunta 1
1 / 1 pts
 Falso
 Verdadeiro
Devido ao fato dos centroides serem inicializados aleatoriamente, o algoritmo pode convergir para
um mínimo local. Além disso, pontos alternados em fronteira podem fazer com o que o algoritmo
entre em loop infinito. Os artifícios utilizados para resolver ambos os problemas são: a) executar o
algoritmo várias vezes com random restart; b) definir um número máximo de iterações.
Pergunta 2
1 / 1 pts
 2 e 3, apenas.
Correto.
 1 e 3, apenas.
 1 e 2, apenas.
 1, 2 e 3.
O número K de grupos deve ser fornecido pelo usuário.
A medida de distância é requerida e pode ser fornecida pelo usuário ou utilizada alguma medida
padrão do sistema.
O valor inicial dos centroides não é um parâmetro requerido. Os centroides normalmente são
escolhidos aleatoriamente ou através de alguma outra estratégia mais informada.
O algoritmo k-means não garante que encontrará o ótimo global e pode, até mesmo, entrar em loop
infinito.
Considere os seguintes parâmetros do algoritmo de agrupamento K-means:
1. Valor inicial dos centroides.
2. Número de clusteres.
3. Medida de distância.
Os parâmetros que são requeridos pelo algoritmo são:
https://pucminas.instructure.com/courses/175926/quizzes/449169/history?version=2
https://pucminas.instructure.com/courses/175926/quizzes/449169/history?version=2
https://pucminas.instructure.com/courses/175926/quizzes/449169/history?version=1
Pontuação do teste: 2 de 2