Concurso MPES · Tecnologia da Informação · Desenvolvimento de Software
Questão 52
Um cientista de dados está desenvolvendo um modelo de segmentação para classificar procedimentos com base em características quantitativas.
Para garantir a comparabilidade entre variáveis, ele aplicou a padronização por escore z (z-*score*) em um conjunto de dados multivariados, de modo que todas as variáveis passassem a apresentar média 0 e desvio-padrão 1.
Após a padronização, verificou-se que os dados não apresentavam forte separação entre grupos naturais. Em seguida, foi aplicado o algoritmo K-*means* em Python:
from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans
scaler = StandardScaler()
X\_scaled = scaler.fit\_transform(X)
kmeans = KMeans(n\_clusters=3, n\_init=10, random\_state=0) kmeans.fit(X\_scaled)
print(kmeans.cluster\_centers\_)
Observou-se que os centroides obtidos apresentam valores próximos de zero em todas as dimensões.
Considerando o contexto descrito, esse resultado ocorre porque
Para garantir a comparabilidade entre variáveis, ele aplicou a padronização por escore z (z-*score*) em um conjunto de dados multivariados, de modo que todas as variáveis passassem a apresentar média 0 e desvio-padrão 1.
Após a padronização, verificou-se que os dados não apresentavam forte separação entre grupos naturais. Em seguida, foi aplicado o algoritmo K-*means* em Python:
from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans
scaler = StandardScaler()
X\_scaled = scaler.fit\_transform(X)
kmeans = KMeans(n\_clusters=3, n\_init=10, random\_state=0) kmeans.fit(X\_scaled)
print(kmeans.cluster\_centers\_)
Observou-se que os centroides obtidos apresentam valores próximos de zero em todas as dimensões.
Considerando o contexto descrito, esse resultado ocorre porque
Status: valida.
Comentários
Ainda não há comentários publicados.