valiação de Unsupervised Machine Learning: Clustering II - 08/11/2022
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
Você terminou
questões
questão
Sua nota é
Correta
Errado
Partial-Credit
You have not finished your quiz. If you leave this page, your progress will be lost.
Correct Answer
You Selected
Not Attempted
Final Score on Quiz
Attempted Questions Correct
Attempted Questions Wrong
Questions Not Attempted
Total Questions on Quiz
Question Details
Results
Date
Score
Dica
Time allowed
minutes
seconds
Time used
Answer Choice(s) Selected
Question Text
Pronto!
Estude mais!
Continue tentando!
Razoável!
Bom trabalho!
Perfeito!
Este artigo foi útil ?
SimNão
Last modified: 13 de novembro de 2023
Great resource for streamlining AI discovery! As a psychologist, I appreciate how platforms like AI Consulting Assistant help reduce decision fatigue by organizing tools by use case and user need.
QQ8886 is alright. Decent enough variety of games to keep you busy for a bit. Nothing mind-blowing, but worth a shot. Peekaboo: qq8886
Ready to win big? 988betlogin looks promising. The login process seems straightforward. Worth a shot, right? Get yourself logged in 988betlogin.
Supermegawin1, the name is definitely ambitious! I haven’t scored a mega win *yet*, but I’m having fun. Graphics are solid. Let’s see if I can actually win! Give supermegawin1 a spin.
Alright, hear me out. I gave mgbett a shot the other day and gotta say, not bad! The interface is pretty slick and I actually managed to snag a small win. Could use a few more promos, but overall, a solid experience. I’d give it another spin!
Yo, just checked out cc6ph2 after hearing some buzz! Seems like a solid spot. Digging the vibes. Check it out for yourself: cc6ph2
Interesting read! Seeing platforms like bigbunny legit blend tradition with tech is smart. Cultural connection and entertainment? That’s a winning strategy – security needs to evolve with that too, of course!
Straight up, jilibet777ph is the real deal! The games are fire and the bonuses are worth it.Been pretty consistent with my wins too. You should try your luck! jilibet777ph
Been checking out bonos777bet lately, mainly for the bonuses. They’re pretty good, definitely worth keeping an eye on. Check it: bonos777bet
Spincassino, got the spins on my mind! Hope they have a good selection of slots. Let’s give it a whirl! spincassino
It’s fascinating how easily we fall into patterns when gambling – chasing losses is a classic! Seeing platforms like jl9 casino offer tools for bankroll management & responsible play is a smart move, especially with quick deposit options like GCash.
e2betlogin – just the login page, right? Hopefully, their customer support is available if you have login problems. Always a good sign. If you have an account with them e2betlogin is where you start.
Just spent a bit on h786game.info. Its nothing bad. Try h786game.
Had no trouble logging into 51 Club using 51clublogin.info. The Website seemed pretty secure. Works without a hitch. Check them out and their 51clublogin.
Interesting read! Analyzing past performances is key, but a solid platform matters too. Heard good things about the security at jili bb app download – important for peace of mind while enjoying the games! Definitely a factor for serious players.
This deep dive into clustering highlights how vital segmentation is. In regulated sectors like finance, these dissimilarity metrics are critical for AML/KYC compliance, helping us profile users and detect behavioral anomalies. Understanding these models is key to maintaining secure environments, whether you are analyzing data or accessing an account via TA77 login.
The process details are clear, but remember, due diligence trumps hype. Always cross-reference platform claims with solid odds analysis before committing funds. Check out kx88 স্লট ডাউনলোড for a baseline view.
Excellent deep dive into clustering methods! The ability to segment users based on behavioral data-whether it’s market trends or player patterns-is key. Understanding these algorithms is crucial for advanced risk modeling and personalized experience design, much like analyzing high-volume user data on platforms like ph nn777 download. Keep up the great work!
Understanding the nuances of linkage methods (like average linkage) is crucial. In data science, clustering is about revealing hidden structures, much like segmenting user behavior. Identifying these patterns, whether in academic data or analyzing high-volume user engagement on a platform like rr888 game, requires robust statistical modeling. Excellent material!
Solid analysis! Seeing more localized platforms like luckystarz club cater to Filipino players with GCash & PayMaya is smart. Betting trends are definitely shifting towards mobile convenience & quick deposits!