[Atividade Tratamento Dados] K-Means

5-tratamentodedados/opcoes/k-means.md

@@ -0,0 +1,43 @@
+# K-means clustering
+
+- Tipo de aprendizado: Não-supervisionado
+- Subcategoria: Clusterização
+- Autoria: MacQueen, 1967
+
+## Descrição
+
+### Onde é usado (tecnicamente)
+
+Utilizado para organizar dados em grupos de similaridade.
+
+### Como é utilizado
+
+![K-Means](imgs/k-means.png)
+
+Não precisa de um conjunto de treinamento rotulado, ou seja, não há indicação a priori de quais dados pertencem a quais grupos.
+
+Como um algoritmo de aprendizado não-supervisionado, como não há exemplos do que seria esperado, a avaliação pode ser mais difícil que o aprendizado supervisionado.
+Usualmente, a qualidade do agrupamento obtido está relacionado à maximização da distância inter-cluster (entre pontos de dados de clusters diferentes) e minimização da distância intra-cluster (dentro de um mesmo cluster, a ideia é que a distância entre os pontos de dados seja minimizada).
+
+Seu hiperparâmetro (uma configuração do algoritmo de agrupamento) é o número de clusters k (número de grupos de dados), que pode ser obtido experimentalmente, a depender da aplicação.
+
+Começa com centroides (centros dos agrupamentos) atribuidos de forma aleatória, e então reagrupa os dados e centroides até que um critério de parada seja atingido.
+Critério de parada: quando há reclassificação mínima dos dados a diferentes clusters, ou quando há mínima mudança nos centroides.
+
+![K-Means Convergence](imgs/K-means_convergence.gif)
+
+Como pontos positivos, é simples de implementar e de entender, eficiente e algoritmo de aprendizado não-supervisionado mais popular.
+
+Como pontos negativos, o usuário precisa especificar k (número de grupos de dados), o algoritmo é sensível a outliers (pontos "fora da curva"), e não é indicado para agrupar dados cujos agrupamentos tenham formato não-convexo.
+
+### Exemplos de caso de uso
+
+Agrupar documentos de acordo com diferentes critérios, agrupamento de clientes, agrupamento de registros de pedidos de call center.
+
+## Referências
+
+[MacQueen, 1967](https://www.semanticscholar.org/paper/Some-methods-for-classification-and-analysis-of-MacQueen/ac8ab51a86f1a9ae74dd0e4576d1a019f5e654ed)
+
+[K-means use cases](https://dzone.com/articles/10-interesting-use-cases-for-the-k-means-algorithm)
+
+[K-Means GIF](https://commons.wikimedia.org/wiki/File:K-means_convergence.gif)