Uma análise do algoritmo K-means como introdução ao aprendizado de máquinas

• Autor(a) principal: Sousa, Maria Cristina Cordeiro Sousa
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFT
• Texto Completo: http://hdl.handle.net/11612/1764
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA; Otimização; K-means; Clustering; Aprendizado de Máquina; Optimization; Machine Learning.

Este trabalho tem como objetivo analisar a convergência do método K-means, um algoritmo de aprendizado não supervisionado que agrupa n dados em k-clusters. Neste sentido, apresentamos algumas das vantagens e desvantagens do método K-means, comparando o agrupamento original e a clusterização feita pelo algoritmo. Também, apresentamos a aplicação do algoritmo em dois conjuntos de dados: o câncer de mama e diabetes, analisando a clusterização feita pelo K-means assim como os padrões e regularidades presentes nos clusters. Dessa forma, buscamos apresentar um estudo introdutório da teoria do Aprendizado de Máquina, que busca fazer com que as máquinas realizem tarefas sem que sejam instruídas o tempo todo, partindo apenas de algumas instruções iniciais. Especificamente, procuramos compreender algumas de suas definições e características que permitirão identificar o tipo de aprendizado estudado.