Questão 41 — Clusterização — K-means (Ciência de Dados) — Cebraspe · Tribunal de Contas do Estado de Minas Gerais (TCE/MG) 2026

Ciência de Dados Clusterização — K-means

Cebraspe 2026 Superior

Tribunal de Contas do Estado de Minas Gerais (TCE/MG) · Analista de Controle Externo – Especialidade: Ciência da Computação

Gabarito disponível

Amplamente utilizado em tarefas de clusterização, o algoritmo k-means

Selecione uma alternativa A) ignora valores extremos, uma vez que o cálculo do centroide é baseado em medianas. B) tende a produzir clusters esféricos, sendo sensível à escala dos atributos. C) encontra agrupamentos independentemente da inicialização e converge para a solução global ótima. D) produz como saída, durante sua execução, o valor ótimo de k. E) é adequado para dados categóricos, pois calcula centroides usando a moda das categorias.

Resolução comentada

K-means tende a gerar clusters esféricos e é sensível à escala.

O k-means minimiza a distância euclidiana aos centroides (médias), favorecendo clusters convexos/esféricos; como usa distâncias, atributos com escalas maiores dominam, sendo necessária normalização.

Análise das alternativas

A) Usa médias, que são sensíveis a outliers (medianas são do k-medians). C) Depende da inicialização e pode convergir a ótimos locais. D) O k deve ser definido previamente; não é produzido pelo algoritmo. E) Para dados categóricos usa-se k-modes; o k-means usa médias.

Referência: Algoritmo k-means (MacQueen; Han e Kamber).

Resolução comentada do VaiConcursos.