19. Interpretação e perfil dos grupos

Depois de obter uma partição, é necessário transformá-la em uma descrição que alguém consiga verificar e usar. Isso exige mais que dar nomes aos clusters. Perfis devem comparar distribuições e referências, exemplares precisam representar casos reais quando esse é o objetivo, e o tamanho dos grupos deve sustentar as estimativas e ações. O capítulo distingue perfil, medoide, rotulagem semântica e tamanho mínimo útil, mantendo separadas a saída matemática e a interpretação humana.

A disciplina aprofunda situações em que não existe um rótulo pronto. Distâncias, agrupamentos, redução de dimensionalidade e métricas são estudados como partes de uma única investigação. Este é o capítulo 19 de 20 da disciplina Aprendizado Não Supervisionado e Avaliação de Agrupamentos. Ele retoma Alta dimensionalidade e dados mistos e utiliza essa base para avançar. Na sequência, estudaremos Validação de negócio, ética e monitoramento.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Interpretação e perfil dos grupos para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Perfil

Começamos por Perfil, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

Perfil de cluster resume atributos que distinguem um grupo do restante.

Um perfil de cluster descreve atributos que o diferenciam do conjunto ou de outros grupos. Apresente quantidade, proporções, medianas, quantis e distribuições pertinentes, em vez de apenas médias. A referência importa: renda média de R$ 4.000 pode ser alta ou baixa conforme a população comparada. Examine também variáveis não utilizadas no ajuste, distinguindo caracterização posterior de validação independente. Se muitos contrastes forem testados após explorar os grupos, considere multiplicidade e a origem exploratória das hipóteses.

Medoide

Depois de compreender Perfil, passamos a Medoide. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

Medoide é observação real que minimiza dissimilaridade ao grupo.