Questões de Concurso

A área de gestão de um Tribunal de Contas pretende planejar ações de desenvolvimento organizacional para suas unidades.

Para cada unidade, foram consolidados indicadores relativos a:

• volume de demandas recebidas; • proporção de demandas concluídas no prazo;
• tempo médio de atendimento;
• taxa de absenteísmo;
• horas de capacitação por servidor;
• proporção de postos de trabalho não ocupados.

Não existem categorias previamente definidas para classificar as unidades, nem registros anteriormente rotulados que indiquem o perfil de cada uma.

Após o tratamento necessário para tornar comparáveis os indicadores, a área pretende identificar conjuntos de unidades com combinações semelhantes desses indicadores, a fim de subsidiar diagnósticos e ações de gestão.

Para atender à finalidade apresentada, o procedimento adequado consiste em

Na _____, os pixels de uma imagem são alocados em classes, sem que o usuário tenha conhecimento prévio de sua existência. O método _____ é um exemplo de algoritmo classificador

(NOVO, 2010).

A _____ repousa em um conhecimento prévio do analista sobre a localização espacial de algumas amostras das classes de interesse. O _____ é um exemplo de algoritmo classificador

(NOVO, 2010).

Assinale a alternativa que preencha correta e respectivamente as lacunas.

 Ao utilizar o algoritmo K-means, a forma mais simples de verificarmos a “qualidade” dos clusters encontrados, a fim de que se possa dizer o quão distantes estão os clusters dos outros, é por meio da:

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

A respeito das regras de associação e da análise de agrupamentos na exploração de dados, julgue o item subsequente.

O algoritmo k-means é um método de clusterização do tipo particional que requer a definição prévia do número de clusters e utiliza a média dos elementos como critério para a atualização dos centroides.