O algoritmo k-medoids concentra-se,primeiramente, em encontrar o medoid (porexemplo, o objeto mais centralmente localizadoem um grupo). Os objetos restantes são entãoagrupados com o medoid ao qual eles são maissimilares. Há uma troca iterativa, de um medoidpor um não medoid, visando à melhoria doagrupamento. A qualidade é estimada usando umafunção custo que mede a similaridade média entreos objetos e o medoid de seu cluster(GOLDSCHMIDT; PASSOS; BEZERRA, 2015). Arespeito do algoritmo k-medoid apresentado noexcerto, classifique V para as sentençasverdadeiras e F para as falsas: ( ) Um medoid pode ser definido como um objetocom a menor dissimilaridade média a todos osoutros elementos, ou seja, é o objeto maiscentralmente localizado no grupo. ( ) O propósito do algoritmo k-medoid éencontrar o centroide, em que os elementos oudados numéricos são os centroides (elementoscentrais) dos clusters (classes). ( ) A diferença básica entre o k-means e k-medoids é que, no segundo, cada grupo érepresentado por um dos registros pertencentesao grupo. No primeiro, o elemento representantede cada grupo é a média dos registros quepertencem ao grupo. Assinale a alternativa que apresenta a sequênciaCORRETA: Fonte: GOLDSCHMIDT, R.; PASSOS, E.; BEZERRA,E. Data Mining : conceitos, técnicas, algoritmos eaplicações. 2. ed. Rio de Janeiro: Elsevier, 2015. A. ( ) V - V - V. B. ( ) V - F - F. C. ( ) F - V - V. D. ( ) V - F - V.