Resposta correta
- AAgrupar pontos de dados semelhantes sem rótulos predefinidos com base em padrões naturais
Explicação
O clustering é uma técnica de aprendizado não supervisionado que agrupa automaticamente pontos de dados com base em semelhanças ou padrões inerentes aos dados, sem exigir rótulos preexistentes. O algoritmo identifica estruturas naturais, como relações de distância ou densidade, para formar clusters. No Azure Machine Learning, o clustering é comumente implementado usando algoritmos como K-Means ou DBSCAN para tarefas como segmentação de clientes ou detecção de anomalias.
Para se aprofundar
O clustering é uma técnica não supervisionada que particiona dados em grupos para que os pontos dentro de um grupo sejam mais semelhantes entre si do que com pontos em outros grupos, usando uma medida de distância ou densidade, como distância euclidiana ou similaridade de cosseno. Algoritmos como k-means, DBSCAN e clustering hierárquico descobrem essas estruturas sem rótulos; o número de clusters pode ser um hiperparâmetro ou inferido dos dados. A avaliação usa métricas como o escore de silhueta ou o índice de Davies-Bouldin em vez de acurácia. Isso importa em cenários como segmentação de clientes, detecção de anomalias ou agrupamento de leituras de sensores, onde não existem rótulos de verdade fundamental e o objetivo é expor agrupamentos naturais para interpretação humana em vez de prever uma classe conhecida.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.