Como usar
Os dados: cada bolinha é uma fruta medida em três características: peso (em gramas), doçura e acidez (de 0 a 10). O computador não sabe qual fruta é qual. A tarefa dele é separar as bolinhas em k grupos de frutas parecidas.
O algoritmo k-means: (1) sorteia k centros; (2) cada fruta entra no grupo do centro mais próximo; (3) cada centro vai para o meio do seu grupo. Repete os passos 2 e 3 até nada mudar. Use os botões um de cada vez para ver o algoritmo pensar, ou “Rodar até estabilizar”.
Arraste o fundo da cena para girar; use a roda do mouse ou dois dedos para aproximar. Pelo teclado: Tab até a cena, setas giram e as teclas + e − aproximam. Todos os comandos também estão nos botões.
Desafios
- Rode o algoritmo até estabilizar com k = 4.
- Faça os grupos baterem com as frutas de verdade em pelo menos 95%. Dica: olhe as escalas.
- Rode até estabilizar com k = 2, 3, 4 e 5 e compare a soma das distâncias (método do cotovelo).
Para o professor
O que está por trás: o k-means é um algoritmo de aprendizado não supervisionado: ele recebe dados sem rótulo e encontra grupos sozinho. É usado para separar clientes, músicas, regiões de uma imagem e muito mais. O resultado depende de três escolhas humanas: quantos grupos (k), onde começam os centros (a semente) e como medir a distância (as escalas).
A questão das escalas: o peso vai de 4 a 220 gramas, e a doçura vai só de 0 a 10. Sem normalizar, uma diferença de 50 gramas pesa muito mais que a diferença entre uma fruta azeda e uma doce, e o algoritmo agrupa quase só pelo peso. Normalizar coloca as três características na mesma escala, de 0 a 1.
Metodologia sugerida: sala de aula invertida com desafio em grupos. Antes, a turma separa frutas de verdade (ou cartões com fotos) em grupos e explica o critério. Depois, compara o critério humano com o do algoritmo.
- Por que o algoritmo erra tanto sem normalizar? Qual característica ele está “olhando”?
- Duas sementes diferentes deram grupos diferentes? O que isso diz sobre repetir um experimento de IA?
- No método do cotovelo, a soma das distâncias sempre cai quando k aumenta. Por que então não usar k igual ao número de frutas?
- Para o 9º ano: monte uma tabela com os centros finais. O centro de um grupo é a média das frutas do grupo (EF09MA22: escolher a melhor forma de apresentar).
Habilidades: EF06CO01 (agrupar informações em coleções), EF09CO07 e EF09MA22; no Ensino Médio e no Superior, aprendizado de máquina não supervisionado. Os dados são fictícios.