Questão 98975 de Tecnologia da Informação - PORTAL CONCURSOS 2025

Questão

ID 98975

Disciplina: Tecnologia da Informação

Assuntos: Agrupamento (Clustering), Clusterização (Agrupamento)

Ano: 2025 Banca: PORTAL CONCURSOS Órgão: PORTAL CONCURSOS

O algoritmo de agrupamento (clustering) DBSCAN (Density-Based Spatial Clustering of Applications with Noise) é uma alternativa poderosa ao K-Means, especialmente por não exigir a pré-especificação do número de clusters e por sua capacidade de encontrar clusters de formato arbitrário e identificar outliers. Seu funcionamento é baseado em dois hiperparâmetros: `eps` (epsilon), que define o raio da vizinhança ao redor de um ponto, e `min_samples`, que é o número mínimo de pontos necessários para formar uma região densa. Com base nesses conceitos, assinale a alternativa correta sobre o comportamento e a classificação dos pontos pelo DBSCAN.

Alternativa A:
Um ponto é classificado como 'core point' (ponto central) se, dentro de sua vizinhança de raio `eps`, houver exatamente `min_samples` pontos (incluindo ele mesmo).
Alternativa B:
Um ponto é classificado como 'border point' (ponto de fronteira) se ele não é um 'core point', mas está na vizinhança de um 'core point'. Pontos de fronteira podem pertencer a múltiplos clusters simultaneamente.
Alternativa C:
Se um ponto não é nem 'core point' nem 'border point', ele é considerado um 'noise point' (outlier). Outliers não pertencem a nenhum cluster.
Alternativa D:
O aumento do parâmetro `eps`, mantendo `min_samples` constante, tende a diminuir o número de clusters encontrados, fundindo clusters menores e classificando menos pontos como ruído.
Alternativa E:
O aumento do parâmetro `min_samples`, mantendo `eps` constante, torna o algoritmo mais permissivo, resultando em mais pontos sendo classificados como 'core points' e, consequentemente, na formação de mais clusters.

Estatísticas Cadernos

Questão 98975

Continue estudando na plataforma