1) A análise de agrupamentos é utilizada para separar objetos em grupos e, a partir de suas características, identificar objetos similares. Esse ti...

Vamos analisar cada afirmação: I. A técnica de clustering hierárquico aglomerativo faz de cada elemento um cluster, depois agrupa os clusters similares, calcula as distâncias entre os clusters e repete esse processo até o final do algoritmo. - Essa afirmação está correta. No clustering hierárquico aglomerativo, cada elemento começa como um cluster separado e depois é agrupado com outros clusters semelhantes, repetindo o processo até a conclusão do algoritmo. II. O agrupamento divisivo e aglomerativo funciona de maneira similar: ambos começam com inúmeros clusters e fundem os grupos de maior similaridade até restar apenas um grande grupo com os objetos. - Essa afirmação está incorreta. O agrupamento divisivo e aglomerativo são abordagens opostas. O aglomerativo começa com clusters individuais e os une progressivamente, enquanto o divisivo começa com um grande cluster e o divide em clusters menores. III. O algoritmo k-means utiliza-se de uma etapa de treinamento, em que ele observa os dados de treinamento fornecidos para poder calcular o valor ótimo do parâmetro K, e então poder proceder à etapa de teste. - Essa afirmação está correta. O algoritmo k-means envolve uma etapa de treinamento onde o valor ótimo de K é calculado com base nos dados de treinamento antes de prosseguir para a etapa de teste. Portanto, estão CORRETOS somente os itens I e III. A opção correta é: A) I e III.