Divisão Treino/Teste

Como funciona no K-means

No K-means, não há separação tradicional em treino e teste, pois o objetivo é identificar padrões e agrupar os dados sem rótulos. Todo o conjunto de dados é utilizado para formar os clusters.

Avaliação dos Clusters

Em clustering, a avaliação é feita por métricas como o silhouette score, que mede o quão bem cada ponto está agrupado em relação aos outros clusters. Também é comum visualizar os agrupamentos para interpretar os resultados, como foi feito no notebook com gráficos de dispersão dos clusters formados pelo K-means.

No notebook, utilizamos o silhouette score para avaliar a qualidade dos agrupamentos e gráficos para visualizar a separação dos clusters. Essa abordagem permite interpretar se os grupos encontrados fazem sentido e se estão bem definidos.

💡 Em clustering, a avaliação é feita por métricas como silhouette score, e não por acurácia em dados de teste.