Leia o texto a seguir:

"O algoritmo k-médias toma como entrada o parâmetro k, correspondente ao número de grupos desejados, e particiona o conjunto de n objetos em k grupos, de forma que a similaridade intragrupo seja alta e a similaridade intergrupo seja baixa. A similaridade intragrupo é avaliada considerando o valor médio dos objetos em um grupo, que pode ser visto como o seu centro de gravidade ou centroide."

Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 116.

Considere as seguintes descrições a respeito da tarefa de agrupamento, mais especificamente ao algoritmo k-médias.
I. A detecção de agrupamentos é uma tarefa de aprendizado preditiva também conhecida como clustering. Nesse caso, as técnicas utilizadas são, comumente, relativas ao aprendizado supervisionado, ou seja, o conjunto de dados não possui rótulos e o aprendizado usa apenas atributos preditivos;
II. Os algoritmos para tarefas preditivas produzem modelos a partir de um processo de treinamento que utiliza todo o conjunto de dados disponível. O objetivo é organizar os dados rotulados em grupos de acordo com uma medida de similaridade ou correlação;
III. Um grupo é um conjunto de objetos similares (homogêneos) e os objetos que pertencem a grupos diferentes são não similares (heterogêneos). O principal objetivo do agrupamento é maximizar a homogeneidade interna nos grupos e a heterogeneidade entre os grupos.
IV. Dependendo do atributo selecionado, poderemos ter diferentes grupos. Nesse contexto, a detecção de agrupamentos poderá resultar em diferentes quantidades de grupos e em composições, também diferentes, para cada grupo obtido.

É correto apenas o que se afirma em:
II e IV, apenas.
III e IV, apenas.
II e III, apenas.
III, apenas.
IV, apenas.