O que é agrupamento
Análise de agrupamento (clustering) é uma técnica de aprendizado não supervisionado. Ela organiza objetos em grupos sem usar rótulos prévios. O critério central: alta similaridade dentro do grupo (coesão) e baixa similaridade entre grupos (separação). A similaridade é medida por uma função de distância, como a euclidiana ou a de Manhattan.
Agrupar clientes pelo histórico de compras sem saber de antemão quais perfis existem.
Principais critérios e algoritmos
Particionais, como o k-means, dividem os dados em k grupos definidos antes e tendem a formar grupos esféricos. Hierárquicos geram um dendrograma, de forma aglomerativa (bottom-up) ou divisiva (top-down), com ligações simples, completa, média ou de Ward. Baseados em densidade, como o DBSCAN, acham grupos de forma arbitrária, isolam ruído e não exigem k.
O DBSCAN separa bem dois anéis concêntricos, algo em que o k-means costuma falhar.
Etapas da análise
O fluxo típico tem etapas encadeadas. Primeiro, selecionar e preparar os atributos, inclusive normalizando escalas. Depois, escolher a medida de similaridade e o algoritmo. Em seguida, executar o agrupamento e validar os resultados. Por fim, interpretar os grupos no contexto do problema.
Sem normalizar, a renda em reais dominaria a idade em anos no cálculo da distância euclidiana.
Na plataforma, cada ideia vem com uma pergunta de checagem, flashcards para revisar e questões da banca.