(USP/Esaulq) – Avaliação de Unsupervised Machine Learning: Clustering II – 08/11/2022

valiação de Unsupervised Machine Learning: Clustering II - 08/11/2022

Please wait while the activity loads.
If this activity does not load, try refreshing your browser. Also, this page requires javascript. Please visit using a browser with javascript enabled.

If loading fails, click here to try again

Unsupervised Machine Learning: Clustering II Professor: Wilson Tarantin Junior Avaliação realizada por: Avaliação realizada em: 18/11/2022

Iniciar

Parabéns - Você terminou valiação de Unsupervised Machine Learning: Clustering II - 08/11/2022. Você fez %%SCORE%% de %%TOTAL%%. Sua média é: %%RATING%%

Your answers are highlighted below.

Question 1

São elementos pertinentes à clusterização por meio do método hierárquico, EXCETO:

A	Dendrograma.
B	Método de encadeamento.
C	Centroides dos clusters.
D	Medida de dissimilaridade.

Question 2

Em relação ao dendrograma, é INCORRETO afirmar que:

A	Pode ser interpretado com base nos saltos de distâncias.
B	Auxilia na identificação da quantidade de clusters no método hierárquico.
C	É um output referente ao método de clusterização K-means.
D	Seu estágio final mostra todas as observações agrupadas em um cluster.

Question 3

Assinale a alterativa que apresenta a principal característica do método de encadeamento “average linkage”:

A	Utiliza como referência a distância entre as observações mais distantes.
B	Não utiliza medidas de distância entre as observações como referência.
C	Utiliza como referência a distância média entre as observações.
D	Utiliza como referência a distância entre as observações mais próximas.

Question 4

Assinale a alterativa que apresenta a principal característica do método de encadeamento “complete linkage”:

A	Utiliza como referência a distância entre as observações mais distantes.
B	Não utiliza medidas de distância entre as observações como referência.
C	Utiliza como referência a distância média entre as observações.
D	Utiliza como referência a distância entre as observações mais próximas.

Question 5

Em relação aos tipos de variáveis que podem ser utilizadas na técnica de análise de clusters hierárquica aglomerativa, assinale a alternativa CORRETA:

A	Somente variáveis qualitativas podem ser utilizadas.
B	Somente variáveis quantitativas podem ser utilizadas.
C	Tanto variáveis qualitativas quanto quantitativas podem ser utilizadas.
D	Somente variáveis categóricas podem ser utilizadas.

Question 6

Assinale a alternativa CORRETA em relação aos procedimentos de clusterização:

A	No método K-means, um cluster pode ter vários centroides.
B	O método k-means apresenta mais limitações para trabalhar em datasets com grande volume de dados quando se comparado ao método hierárquico.
C	Não é correto utilizar o resultado da análise de um dendrograma e a defi nição do número de cluster do método hierárquico como input do modelo k-means.
D	Após o K-means, o teste F calcula a variabilidade entre os grupos dividida pela variabilidade dentro dos grupos para cada variável para analisar quais contribuíram para a formação de pelo menos um grupo.

Question 7

Em relação ao método de Elbow para identificação da quantidade de clusters, assinale a afirmativa CORRETA:

A	O método de Elbow e o dendrograma representam os mesmos métodos para a identifi cação do número ideal de clusters.
B	ma um gráfi co da soma dos quadrados totais internos aos clusters em função do número de clusters.
C	Esse método só pode ser utilizado quando o número de observações do banco de dados é menor que 10.
D	O método retorna exatamente qual é a quantidade de clusters que deve ser utilizada na modelagem.

Question 8

Em relação ao modelo de clusterização não hierárquico K-means, assinale a resposta CORRETA :

A	Baseia-se na minimização da soma dos quadrados das observações em relação aos centroides de seus respectivos clusters.
B	É uma modelagem que identifi ca a quantidade ideal de clusters utilizando o dendrograma.
C	Não é necessário informar a quantidade de clusters como input do modelo.
D	A quantidade ideal de clusters é obtida como output do modelo.

Question 9

Assinale a alternativa que apresenta CORRETAMENTE a diferença entre o cluster hierárquico e o cluster K-means:

A	No K-means, o método de encadeamento é escolhido a priori; no método hierárquico, o método de encadeamento é escolhido no passo a passo do esquema de aglomeração.
B	No K-means, a quantidade de clusters é escolhida no passo a passo do esquema de aglomeração; no método hierárquico, a quantidade de clusters é escolhida ante de iniciar a análise.
C	No K-means, a quantidade de clusters é escolhida a priori; no método hierárquico, a quantidade de clusters é escolhida no passo a passo do esquema de aglomeração.
D	No K-means, o método de encadeamento é escolhido no passo a passo do esquema de aglomeração; no método hierárquico, o método de encadeamento é escolhido a priori.

Question 10

Sobre a análise dos “saltos” de distância no dendrograma, é CORRETO afirmar que:

A	Quanto maiores os saltos, mais homogêneas são as observações unidas.
B	Pequenos saltos unem observações muito distintas.
C	Grandes saltos unem observações muito distintas.
D	Quanto menores os saltos, mais heterogêneas são as observações unidas.

Quando você terminar, clique no botão abaixo. Se algum item estiver incompleto ele será marcado como incorreto. Ver Resultados

Existem 10 questões incompletas.

←

List

→

Return

Shaded items are complete.

1	2	3	4	5
6	7	8	9	10
Fim

Return

Este artigo foi útil ?

SimNão

Last modified: 13 de novembro de 2023

Previous: Avaliação de Unsupervised Machine Learning: Clustering I – 01/11/2022 (USP/Esaulq)

Next: (USP/Esaulq) – Avaliação de Supervised Machine Learning: Modelos de Regressão para Dados de Contagem I -21/03/2023

Rafaelrjp Blog

(USP/Esaulq) – Avaliação de Unsupervised Machine Learning: Clustering II – 08/11/2022

valiação de Unsupervised Machine Learning: Clustering II - 08/11/2022

Deixe um comentário Cancelar resposta

Categorias

Arquivos

Meta