que diferencia uma técnica hierárquica aglomerativa (como o Método das Médias das Distâncias) de um método não hierárquico ou de partição (como K-médias)?
Passo 1
O enunciado pede para identificar qual característica fundamental distingue uma técnica hierárquica aglomerativa (por exemplo, o Método das Médias das Distâncias) de um método não hierárquico ou de partição (por exemplo, K-médias). O conteúdo é mineração de dados — especificamente algoritmos de agrupamento (clustering).
Passo 2
Em um método hierárquico aglomerativo começamos com cada objeto como um cluster separado e, a cada iteração, fundimos os dois clusters mais próximos segundo algum critério de distância (no caso do Método das Médias das Distâncias, a distância entre clusters é a média de todas as distâncias par a par). O resultado é uma árvore de fusões (dendrograma), que mostra a hierarquia de agrupamentos em todos os níveis de granularidade.
Passo 3
Em um método de partição como K-médias definimos de antemão o número de clusters
, inicializamos
centróides, atribuimos cada ponto ao centróide mais próximo e então realocamos iterativamente os centróides até convergência. Não há construção de dendrograma nem histórico de fusões — obtemos apenas uma única partição final.
Passo 4
A diferença-chave é que o método hierárquico gera uma estrutura de agrupamentos aninhados (dendrograma) sem precisar especificar
previamente e não permite realocações posteriores de objetos, enquanto métodos de partição exigem
fixo, produzem apenas o agrupamento final e permitem que os objetos sejam reatribuídos entre clusters durante a otimização.
Resposta
O método hierárquico aglomerativo constrói um dendrograma com clusters aninhados sem realocar objetos e sem precisar de
pré-definido, ao passo que o método de partição (K-médias) exige um número fixo de clusters
, produz apenas uma partição “plana” e reatribui objetos até convergir.