Questão 58 — Aprendizado de máquina — agrupamento (k-means, DBSCAN e SOM) (Inteligência Artificial) — Cebraspe · Secretaria de Estado da Fazenda do Rio Grande do Norte (SEFAZ/RN) 2026

Inteligência Artificial Aprendizado de máquina — agrupamento (k-means, DBSCAN e SOM)

Cebraspe 2026

Secretaria de Estado da Fazenda do Rio Grande do Norte (SEFAZ/RN) · Auditor Fiscal de Receitas Estaduais

Gabarito disponível

No âmbito do aprendizado de máquina não supervisionado, os algoritmos de agrupamento (clustering) apresentam diferentes abordagens para a organização de dados sem rótulos. Considerando as propriedades operacionais dos algoritmos k-means, DBSCAN e SOM (self-organizing maps), assinale a opção correta.

Selecione uma alternativa A) O DBSCAN e o SOM operam sob a mesma função de custo baseada na minimização da soma dos erros quadráticos (SSE) em relação a um ponto central fixo. B) O k-means é um algoritmo de particionamento que minimiza a variância intracluster, sendo inerentemente robusto quanto à presença de outliers devido ao uso da média aritmética para o cálculo dos centroides. C) O DBSCAN fundamenta-se na densidade local de pontos, permitindo a identificação de agrupamentos de formas geométricas arbitrárias e a segregação de ruído, prescindindo da especificação prévia do número de clusters. D) O SOM utiliza uma arquitetura de rede neural competitiva para realizar a redução de dimensionalidade e o agrupamento, garantindo a preservação da topologia global sem a necessidade de definir uma vizinhança entre os neurônios. E) O k-means apresenta desempenho superior ao DBSCAN na detecção de agrupamentos não convexos ou com densidades significativamente distintas.

Resolução comentada

O DBSCAN usa densidade, acha formas arbitrárias, isola ruído e dispensa definir k.

O DBSCAN agrupa por densidade local de pontos, identifica clusters de formato arbitrário, marca ruído e não exige informar o número de clusters previamente.

Análise das alternativas

A) DBSCAN e SOM não minimizam SSE em torno de centro fixo; isso é do k-means. B) O k-means é sensível a outliers, pois a média é afetada por eles. D) O SOM depende de uma função de vizinhança entre neurônios. E) O k-means tem desempenho pior que o DBSCAN com clusters não convexos ou de densidades diferentes.

Referência: Ester et al. (DBSCAN, 1996); Kohonen (SOM).

Resolução comentada do VaiConcursos.