1 Introdução
O acrônimo STEM (Science, Technology, Engineering and
Mathematics) é usualmente utilizado para se referir ao ensino e aprendizagem
nas áreas da ciência, tecnologia, engenharia e matemática. Intrínseco à
definição supracitada, inclui-se atividades educacionais de todos os níveis de
forma formal e informal. [1]
O crescimento da demanda por profissionais relacionados
à área de STEM é crescente e foi acelerado ainda mais com o surgimento da
pandemia do COVID-19. Segundo reportagem da CNN Brasil [3], a procura por profissionais de tecnologia cresceu 671% durante a
pandemia global.
No Brasil, devido ao baixo investimento e incentivo a
área, é formado menos profissionais quando comparado a demanda e ao potencial
do país [4]. No estado de Pernambuco esta realidade de
desenvolvimento das áreas relacionadas ao STEM é ainda mais precária. Como
evidência se tem o fato de que entre 2005 e 2015, ainda que o IDEB tenha
aumentado 44%, as notas do SAEB em matemática e português aumentaram apenas 8%
e 11% respectivamente [2].
Devido ao cenário de desenvolvimento tecnológico em
Pernambuco, houve, por parte do Governo do Estado de Pernambuco, através da
Secretaria de Ciência, Tecnologia e Inovação de Pernambuco, um grande programa
de formação em tecnologias habilitadoras de futuro no estado, programa este que
atende 5490 pessoas com 90 turmas, diversas empresas, de portes variados, e
várias instituições de ensino, sendo financiado pela FACEPE (Fundação de Amparo
à Ciência e Tecnologia de Pernambuco) chamado Projeto de Extensão Tecnológica
(PET).
Tal iniciativa gerou uma grande quantidade de dados
sobre os cursos que são desenvolvidos dentro desta jornada, sobre as
atividades, segmentadas pelo setor de aplicação, que são realizadas pelos
estudantes junto com as empresas, de forma que os dados necessitam ser
processados e minerados para obter um melhor entendimento do projeto.
2 Objetivos
O objetivo do trabalho é, a partir dos dados coletados,
encontrar, através de técnicas de inteligência artificial e mineração de dados,
relações capazes de mostrar o que têm sido mais frequente em cada um dos territórios
e setores, ou seja, entender os padrões gerados pelos projetos tendo em vista
em qual região estão inseridos e quais setores estão envolvidos.
Tem-se também como objetivo entender, através dos
dados, quais as características dos projetos que geraram resultados positivos,
as características dos projetos que obtiveram um resultado não tão bom e o que
não aconteceu de forma satisfatória para que futuramente, em próximas rodadas,
isto possa ser induzido.
Pretende-se, então, gerar agrupamento de dados, ou seja
dos projetos, de forma que estes possam ser entendidos como conjunto,
facilitando, assim, seu entendimento e possíveis correções que venham a ser
feitas.
3 Fundamentação Teórica
3.1 Projeto de Extensão
Tecnológica (PET)
O projeto de extensão tecnológica
(PET) é um projeto composto por jornadas que tem como objetivo aumentar o
número de parcerias público-privadas em que estudantes, com interesse em
formação nas áreas de STEM, estão sendo capacitados e realizando atividades de
extensão em empresas privadas. A iniciativa é realizada com estudantes que
advém de Instituições de Ensino do Estado de Pernambuco (instituições de Ensino
Superior, Escolas Técnicas Estaduais de Educação ou Escolas de Referência de
Ensino Médio) e empresas com o objetivo de qualificar pessoas de forma a
resolver problemas de forma inovadora, preferencialmente em segmentos de maior
intensidade tecnológica, contribuindo, assim, para o desenvolvimento na
estrutura produtiva e social do estado [5].
Desta forma, espera-se que o PET gere
de forma satisfatória capacitação profissional, melhoria da formação para
empregabilidade para os estudantes envolvidos, além de criar parcerias com
instituições de ensino, capacitações em conjunto com o setor produtivo e estimular
carreiras nas áreas STEM [5].
3.2 Inteligência
Artificial
Segundo John McCarthy, inteligência
artificial é “a ciência e engenharia capaz de produzir máquinas inteligentes,
especialmente programas de computadores inteligentes. É relacionada com a tarefa
de usar computadores para entender a inteligência humana, porém IA não está
limitada a métodos que são observáveis biologicamente.” [6].
De forma sucinta, inteligência
artificial é a área que combina ciência da computação e grandes conjuntos de
dados com o intuito de resolver problemas [7]. A IA se torna necessária em problemas com conjunto de
dados que possuem uma grande dimensionalidade, de forma que os algoritmos
aplicados a estes possam vir a fugir da abstração humana quando processados.
As técnicas de inteligência artificial
podem ser utilizadas em diversas aplicações, tais como reconhecimento de fala,
sistemas de recomendação, visão computacional, problemas de classificação e
regressão de dados e vários outros tipos de aplicações.
3.3 Machine Learning
Machine Learning ou Aprendizado de Máquina é uma
sub-área da inteligência artificial que estuda o desenvolvimento de modelos
computacionais de aprendizagem. Do ponto de vista computacional, aprendizado de
máquina se refere ao fato da máquina aprender e melhorar seus resultados
baseada em resultados anteriores [8].
Um algoritmo de machine learning
é um processo que usa dados de entrada para realizar uma determinada tarefa, de
forma que estes algoritmos são adaptativos e podem alterar sua estrutura
através da repetição com o intuito de melhorar seu aprendizado e retornar
melhores resultados [9].
De forma generalista, pode-se dividir
os problemas de machine learning, de acordo com os dados de entrada, em
três classes: Aprendizado supervisionado, Aprendizado não supervisionado e
Aprendizado semi-supervisionado.
Figura
1 – Tipos de Aprendizado.
Fonte: [9].
3.3.1 Aprendizado não
supervisionado
No aprendizado não supervisionado o
objetivo da máquina é obter representações dos dados de entrada que possam ser
utilizados para auxiliar na tomada de decisão, prever outros dados de entrada,
além de ser capaz de comunicar dados entre duas máquinas [10].
Estes tipos de algoritmos podem ser
interpretados de forma que sua tarefa é encontrar padrões nos dados que lhes
são fornecidos. Tem-se como exemplo de aprendizado não supervisionado os
algoritmos de clusterização e de redução de dimensionalidade. [10]
3.3.1.1 Técnicas
de Clusterização
Dividir um conjunto de dados em grupos
com características similares possui muitas aplicações. Particionar elementos
em grupos similares pode ter como objetivo gerar ideias a respeito de algumas
estruturas inerentes dessa população ou, então, para criar uma estratégia de
negócios [11].
Um grupo de clusters pode ser definido
como um subconjunto da população total. Os métodos de agrupamento usam
estratégias de busca heurística para obter as soluções com a solução mais ótima
[11].
3.3.1.1.1 Algoritmo
Aglomerativo Hierárquico
O algoritmo aglomerativo hierárquico é
uma técnica de machine learning de aprendizado não supervisionado que é
bastante conhecida e bem estabelecida. O esquema de partição de forma
aglomerativa começa de forma que este algoritmo divide o conjunto de dados em
pontos únicos (nodes) e os unem, passo a passo, em pares com
características mais parecidas, formando um novo ponto e assim por diante [13].
Vários algoritmos de clusterização
(agrupamento) utilizam esquemas parecidos com o citado acima, porém eles
diferem na forma em que a medida interna de similaridade do agrupamento é
computada a cada etapa.
Figura
2 – Definição algoritmica de agrupamento
hierárquico.
Fonte: [13].
Os algoritmos aglomerativos
funcionam de acordo com o mostrado na figura 2. Porém, as abordagens utilizadas
podem variar de acordo com o esquema utilizado para calcular a distância entre
os agrupamentos. Algumas técnicas para cálculo de distância são: distância
euclidiana, distância Ward, centróide, mediana, e etc.
O resultado
final de um algoritmo aglomerativo é, usualmente, um dendrograma, que é um
diagrama que mostra a relação hierárquica entre objetos [14].
Figura
3 – Dendrograma.
Fonte: [14].
3.3.1.1.2 Self-Organizing
Maps (SOM)
O mapa SOM, ou mapa de Kohonen, é uma
rede neural artificial (RNA) cujas células se tornam sintonizadas
especificamente para agregar classes de padrões através de um aprendizado não
supervisionado, que, então, produzem uma representação discreta em um espaço de
baixa dimensão (normalmente duas) dos dados de entrada [15]. Os mapas SOM diferem de outras RNA’s
pois estas aplicam um processo de aprendizagem competitiva, diferentemente de
redes que, por exemplo, utilizam backpropagation.
Figura
4 – Pseudo-Código do Mapa SOM.
Fonte: [16].
No mapa SOM, alguns parâmetros
precisam ser inicializados, conforme mostra figura 3 com o pseudo-código, são
eles [16] :
1.
(Learning Rate): a taxa de
aprendizado com que a rede aprende os padrões.
2.
(sigma): raio, ou seja, distância em
que a função da vizinhança alcança.
3.
Número de iterações máxima da rede.
O resultado do processamento do mapa
SOM, como o nome diz, é um mapa que possui os agrupamentos, conforme figura 5.
Figura
5 – Exemplos de resultados do Mapa SOM
Fonte: [17].
3.3.1.1.3 K-modes
A clusterização por k-Modes é um
método de aglomeração derivado do k-Means, porém é utilizado para dados
categóricos, ou seja, dispostos em categorias [18].
Figura
6 – Pseudo-código para o k-Modes
Fonte: [19].
Como o k-modes
não é um algoritmo hierárquico, então é necessário estabelecer um número de
clusters para que seja inicializado o algoritmo. O número ótimo de agrupamentos
usualmente é obtido utilizando o método do cotovelo [18].
3.3.1.2 Métricas
de Avaliação de Modelos de Clusterização
3.3.1.2.1 Índice de
Pureza
A pureza é um critério de avaliação
externo do cluster para medir a qualidade do agrupamento [20].
Para calcular a pureza, cada
agrupamento é atribuído com o nome da classe que é mais frequente neste cluster
e, então, a acurácia dessa atribuição é calculada conforme equação 1 [20].
Figura
7 – Exemplo nomenclatura cluster pureza.
Fonte: [22].
(1)
Os clusters com pureza próxima a 0 são
agrupamentos ruins e um cluster perfeito possui pureza 1 [20].
3.3.1.2.2 Coeficiente
de Silhueta
O coeficiente de silhueta é calculado
levando em consideração a distância média dentro do cluster e a distância média
do cluster mais próximo de cada ponto dos dados. O coeficiente pode ser
calculado conforme equação 2 [21]:
(2)
É sabido que um coeficiente de
silhueta próximo de 1 significa que aquele determinado ponto está no cluster
correto, um coeficiente perto de 0 significa que aquele ponto pode pertencer a
outro agrupamento e um coeficiente de valor -1 significa que o ponto está no
agrupamento errado [21].
4 Metodologia
4.1 Coleta dos dados
A coleta de dados dos projetos foi
realizada através de dois formulários no Google que foram enviados pela
coordenação do PET para os coordenadores de cada um dos projetos. O primeiro
formulário diz respeito aos dados das empresas em que os projetos estavam sendo
aplicados, então este coletou algumas informações como: setor de atividade da
empresa, região de desenvolvimento do estado atendida pela empresa, porte da
empresa, funcionários da empresa participantes no projeto e, também, o nível de
satisfação dos coordenadores dos projetos para com o PET até o momento da
resposta. O segundo formulário trata dos cursos oferecidos pelos projetos e
coletou informações como: área de conhecimento do curso, tecnologia
habilitadora empregada/lecionada, período de execução do curso, carga horária
do curso de capacitação, modalidade do curso, quantidade de professores que
colaboraram com a execução do curso, instituições de ensino participantes,
número de alunos inscritos, selecionados e que finalizaram o curso, além de
medir o nível de satisfação dos professores com a realização do curso e do
desempenho dos alunos.
4.2 Tratamento dos
dados
Inicialmente foi feito, em Python, a
junção das respostas de ambos os formulários a partir do número ARC que é
único. Após isso, houve a limpeza dos dados através da exclusão de algumas
colunas. Houve também a transformação de colunas, como: categorização do porte das
empresas e categorização das instituições de ensino. Após estas etapas, um
documento em Excel foi gerado, de forma que os dados estavam limpos e
organizados e então poderiam ser utilizados para sua aplicação. Ressalta-se que
cada algoritmo utilizado possui uma particularidade em relação aos dados,
então, para cada um, houve um tratamento diferente.
4.2.1 Algoritmo
Aglomerativo e Mapa SOM
Ambos algoritmos, tanto o algoritmo
aglomerativo quanto o Mapa SOM requerem dados numéricos como entrada. Através
do Python se foi separado o conjunto de dados em duas tabelas, uma tabela
apenas com as variáveis numéricas e uma tabela apenas com as variáveis
categóricas. Na tabela com variáveis numéricas foi utilizada a biblioteca sklearn
e um método de pré-processamento desta que permite que haja uma normalização
dos dados, o StandardScaler [23]. Já na tabela com variáveis categóricas, foi utilizada a
técnica OneHotEncoder [24] para transformar as categorias em números binários.
Após os tratamentos em separado, as
tabelas já tratadas foram unidas novamente, gerando um novo arquivo a ser
utilizado no processamento de ambas as técnicas.
4.2.3 K-Modes
O algoritmo de clusterização k-modes
requer dados categóricos, conforme citado na seção 3.3.1.1.3, ou seja, os dados
de entrada do algoritmo não podem ser numéricos. Portanto, partindo do arquivo
gerado, os dados numéricos como duração do curso, número de alunos inscritos,
número de alunos selecionados, número de alunos que concluíram os cursos e a
satisfação foram categorizados, ou seja, foram colocados em intervalos (Ex: se
47 alunos concluíram o curso, esse valor foi substituído pelo intervalo
categórico “0a50”, referindo-se que o número de alunos que concluíram está
entre 0 e 50, conforme figura 8). Desta forma, um novo arquivo foi gerado
exclusivamente para ser utilizado no processamento do k-modes.
Figura 8 – Exemplo de tratamento dos dados.
Fonte:
Autor.
4.3 Processamento dos
dados
4.3.1 Algoritmo
Aglomerativo
O processamento dos dados utilizando o
algoritmo aglomerativo foi feito em Python, utilizando a biblioteca do
sklearn Agglomerative Clustering. Para descobrir o número ideal de
clusters, utilizou-se o método do coeficiente de silhueta para calcular esta
métrica variando o número de agrupamentos.
4.3.2 K-modes
Para o k-Modes, também em Python,
utilizou-se o algoritmo kModes da biblioteca kModes [26]. Como citado na seção 3.3.1.1.3, esta
técnica necessita que se encontre o número ótimo de agrupamentos e, para tal,
foi utilizado o método do cotovelo, calculando-se, desta forma, o custo
computacional pelo número de clusters, conforme figura 9.
Figura 9 – Método do cotovelo - Kmodes.
Fonte:
Autor.
4.3.3 Mapa SOM
O processamento da clusterização
utilizando o Mapa SOM foi feito em Python, a partir da biblioteca minisom [27]. Partido do arquivo gerado na etapa
de tratamento de dados, o arquivo foi carregado e se foi utilizado como
parâmetros da rede, um sigma 50%, uma taxa de aprendizagem de 0,1 e a distância
de ativação sendo a euclidiana. A inicialização do mapa se deu através de pesos
utilizando o PCA (Principal Component Analysis), um algoritmo de redução
de dimensionalidade. Além disso, foram utilizadas 100.000 iterações com o
random seed igual a 1.
5 Resultados
5.1 Algoritmo
Aglomerativo
Para o algoritmo aglomerativo, se
testou vários número de clusters de 2 até 9, o que melhor apresentou resultado,
a partir do coeficiente de silhueta, foi a clusterização com 5 agrupamentos,
conforme mostra a figura 10. O coeficiente de silhueta para este caso foi 0,36.
A figura 10 mostra, ainda, o dendrograma para este agrupamento.
Figura 10 – Resultado Algoritmo Aglomerativo
Fonte:
Autor.
As características mais frequentes de
cada um dos 5 clusters obtidos, estão no apêndice A.
5.2 K-modes
Conforme mostrado na seção 4.3.2 o
método do cotovelo concluiu que o número ótimo de clusters era 6. Portanto,
foram gerados 6 grupos os quais as características destes estão descritas no
apêndice B.
5.3 Mapa SOM
O mapa SOM gera, como diz o nome, um
mapa, porém, o número de cluster pode ser arbitrado de acordo com a
distribuição gerada. A partir do mapa gerado foram feitas duas distribuições de
clusters, como as vistas nas figuras 12 e 13.
Para efeito de avaliação, foram
gerados os coeficientes de silhueta para ambas as distribuições. A primeira
distribuição, exposta na figura 12, obteve um coeficiente de silhueta de -0,17,
enquanto a segunda, exposta na figura 13, obteve um coeficiente de -0,06. Ambos
os coeficientes geraram números próximos de 0.
As características que mais aparecem
em cada um dos clusters do melhor agrupamento gerado pela rede, ou seja, o
segundo agrupamento, estão relatadas no apêndice C.
Figura 12 – Resultado Mapa SOM - Primeira
Clusterização
Fonte:
Autor.
Figura 13 – Resultado Mapa SOM - Segunda
Clusterização
Fonte:
Autor.
6 Conclusões
Primeiramente é importante ressaltar que, devido a formas
diferentes de tratamento de dados entre as técnicas de k-Modes e Algoritmo
Aglomerativo e Mapa SOM, o primeiro ficou impossibilitado de ser comparado com
os outros dois, que, por sua vez, podem ser comparados entre si, inclusive pela
métrica do coeficiente da silhueta. Porém, isso não inviabiliza uma análise
individualizada da clusterização gerada pelo algoritmo do k-Modes.
Quando comparados, os agrupamentos gerados pelo Mapa
SOM (os dois) e o algoritmo aglomerativo hierárquico, fica claro, a partir da
métrica utilizada, de que o último apresenta uma melhor clusterização, ou seja,
agrupa os dados de uma forma melhor, com um coeficiente de silhueta de,
aproximadamente, 0,36. Desta forma, este agrupamento gerado, com 5 grupos, pelo
algoritmo aglomerativo, pode, entre os três analisados, ser considerado o
melhor.
Já analisando o resultado gerado pelo k-Modes, pode-se
perceber que, mesmo não havendo uma comparação com algoritmos de outras
classes, o agrupamento gerado, ainda, assim passou por métricas de validação,
como o método do cotovelo, ou seja, dentro da classe dos agrupamentos possíveis
a serem gerados pelo k-Modes, o resultado obtido pode ser considerado um
resultado otimizado.
Quando analisada as características mais frequentes dos
melhores agrupamentos gerados, os que estão expostos na seção de apêndice,
pode-se perceber que os agrupamentos que possuem como origem mais frequentes as
instituições privadas, são aqueles que possuem o maior número de alunos
inscritos, ou seja, os projetos que estão sendo executados em instituições
privadas são aqueles que possuem e ofertam o maior número de vagas. Ainda na
análise das características mais frequentes, conclui-se que o projeto tem sido
muito bem avaliado em termos de satisfação, visto que todos os agrupamentos tem
como maior frequência no quesito satisfação a resposta “Excelente” ou “Bom”. A
região do estado que mais foi contemplada pelo projeto foi a RMR (Região
Metropolitana do Recife), a modalidade mais utilizada para o ensino foi a
virtual (síncrona e/ou assíncrona), o setor de comércio e serviços foi bastante
contemplado e os projetos contaram com a presença de funcionários das empresas
envolvidas.
Portanto, a partir dos dados, do tratamento e
aglomeração destes, pode-se concluir que o projeto de extensão tecnológica, com
o intuito de fomentar o desenvolvimento da área de STEM no estado de
Pernambuco, tem sido extremamente bem avaliado pelos seus beneficiários, está
atingindo vários setores tecnológicos, regiões e um número significativo de
alunos.
Como sugestão de trabalho futuro e de melhoramento da
atual pesquisa, sugere-se utilizar uma forma de tratamento de dados iguais para
todas as técnicas utilizadas. Uma dessas formas pode ser se utilizando da
matriz de distância com o método de Hamming, visto que este trata de dados
categóricos.
Referências
[1] GONZALEZ, H. B., KUENZI, J.
J. Science, Technology, Engineering, and Mathematics (STEM) Education: A
Primer. Congressional Research Service, Agosto, 2012. Disponível em:
<https://fas.org/sgp/crs/misc/R42642.pdf> Acesso em 5 dez. 2021.
[2]
BASTO-FILHO,
C., GOKHALE, A., & CAMPELLO, B. Relatório: Análise Preliminar e Sugestões
para Criação de um Plano para Ampliação e Aperfeiçoamento do Ensino de STEM+C
em Pernambuco. Relatório Técnico da Secretaria de Ciência, Tecnologia e
Inovação de Pernambuco. 2016.
[3]
CNN. Procura
por profissionais de tecnologia cresce 671% durante a pandemia . CNN Brasil,
São Paulo. 27 out. 2021. Disponível em: <https://www.cnnbrasil.com.br/business/procura-por-profissionais-de-tecnologia-cresce-671-durante-a-pandemia/> Acesso em 5 dez. 2021.
[4]
ALMEIDA, C. Sem
cientistas de ponta, Brasil fica fora de cadeias globais. O Globo, São Paulo.
08 mar. 2018. Disponível em: <
https://oglobo.globo.com/economia/sem-cientistas-de-ponta-brasil-fica-fora-de-cadeias-globais-22454291>
Acesso em 5 dez. 2021.
[5]
Fundação de Amparo à
Ciência e Tecnologia do Estado de Pernambuco (FACEPE). Edital FACEPE Nº
12/2021. Disponível em: <http://www.facepe.br/wp-content/uploads/2021/06/Edital_FACEPE_-12-2021_PET-20211.pdf> Acesso em 5 dez. 2021.
[6] MC CARTHY, JOHN. What is Artificial Intelligence?. 2004. Disponível em: <https://borghese.di.unimi.it/Teaching/AdvancedIntelligentSystems/Old/IntelligentSystems_2008_2009/Old/IntelligentSystems_2005_2006/Documents/Symbolic/04_McCarthy_whatisai.pdf> Acesso em: 5 dez. 2021
[7]
IBM. Artificial Intelligence
(IA). Junho 2020. Disponível em: <https://www.ibm.com/cloud/learn/what-is-artificial-intelligence> Acesso em: 5 dez. 2021
[8] YAO, XIN & LIU, YONG. 2013. Machine Learning. Search
Methodologies, 477-517.
[9] El Naqa ,Issam. Murphy, Martin J. (2015).Machine Learning in Radiation Oncology Theory
and Applications. Disponível em: <
https://link.springer.com/chapter/10.1007/978-3-319-18305-3_1 > Acesso em:
28 de setembro de
2021.
[10] Ghahramani, Z. (2004). Unsupervised Learning. Lecture Notes
in Computer Science, 72–112. doi:10.1007/978-3-540-28650-9_5.
[11] Michaud, P. (1997). Clustering techniques. Future
Generation Computer Systems, 13(2-3), 135–147.
doi:10.1016/s0167-739x(97)00017-4
[12] Ackermann, M. R., Blömer, J., Kuntze, D., & Sohler, C.
(2012). Analysis of Agglomerative Clustering. Algorithmica, 69(1), 184–215.
doi:10.1007/s00453-012-9717-4
[13] Mullner, Daniel (2011). Modern hierachical, agglomerative
clustering algorithms.
[14] Bock, Tim. What is a Dendrogram?. DisplayR. Disponível em: <https://www.displayr.com/what-is-dendrogram/> Acesso em: 12 dez. 2021
[15] Kohonen, T. (1990). The self-organizing map. Proceedings of
the IEEE, 78(9), 1464–1480. doi:10.1109/5.58325
[16] Kristensen, Terje & Jakobsen, Vemund. Three Different
Paradigms for Interactive Data Clustering.
[17] Tynchenko, V. S., Tynchenko, V. V., Bukhtoyarov, V. V.,
Kukartsev, V. V., Kukartsev, V. A., & Eremeev, D. V. (2019). Application of
Kohonen self-organizing maps to the analysis of enterprises’ employees
certification results. IOP Conference Series: Materials Science and
Engineering, 537, 042010. doi:10.1088/1757-899x/537/4/042010
[18] Aprilliant, Audhi. The k-modes as Clustering Algorithm for
Categorical Data Type. Medium.
Disponível em: <https://medium.com/geekculture/the-k-modes-as-clustering-algorithm-for-categorical-data-type-bcde8f95efd7> Acesso em: 12 dez. 2021
[19] Castro, G. T., Zárate, L. E., Nobre,
C. N., & Freitas, H. C. (2019). A Fast Parallel K-Modes Algorithm for Clustering
Nucleotide Sequences to Predict Translation Initiation Sites. Journal of
Computational Biology. doi:10.1089/cmb.2018.0245
[20] Cambridge University Press. Disponível em: <https://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-clustering-1.html> Acesso em: 12 dez.
2021
[21] Shahapure, K. R., & Nicholas, C. (2020). Cluster Quality
Analysis Using Silhouette Score. 2020 IEEE 7th International Conference on Data
Science and Advanced Analytics (DSAA). doi:10.1109/dsaa49011.2020.00096
[22] Y., Soner. (2021). Evaluation Metrics for Clustering Models.
Medium. Disponível em:
<https://towardsdatascience.com/evaluation-metrics-for-clustering-models-5dde821dd6cd> Acesso em 12 dez 2021
[23] Sklearn. Standard Scaler. 2021.
Disponível em: <https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html?highlight=standard%20scaler#sklearn.preprocessing.StandardScaler> Acesso em: 12 dez 2021.
[24] Sklearn. One Hot Encoder. 2021.
Disponível em: <https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html?highlight=one%20hot%20encode#sklearn.preprocessing.OneHotEncoder> Acesso em: 12 dez 2021.
[25] Sklearn. Agglomerative Clustering.
2021. Disponível em: <https://scikit-learn.org/stable/modules/generated/sklearn.cluster.AgglomerativeClustering.html?highlight=agglomerative%20clustering#sklearn.cluster.AgglomerativeClustering> Acesso em: 12 dez 2021.
[26] KModes. Kmodes. 2021. Disponível em:
<https://pypi.org/project/kmodes/> Acesso em: 13 dez 2021.
[27] MiniSom. Disponível em: <https://pypi.org/project/MiniSom/> Acesso em: 13 dez 2021.
Aêndice A:
Características Mais Frequentes dos Clusters obtidos com o Algoritmo
Aglomerativo
Apêndice B:
Características Mais Frequentes dos Clusters obtidos com o kModes
Apêndice C:
Características Mais Frequentes dos Clusters obtidos com o Mapa SOM