O que são?

• Técnicas que identificam objetos ou entidades “similares” .center[ <img src=“https://i.pinimg.com/originals/fc/60/55/fc6055ddb5fa9d6f5aeed0ea6201ef77.jpg”, height = 400>] — # Agrupamento por cluster ### pra que servem?
• Formar grupos/classes que possuam alta homogeneidade interna (distância interna pequena) e alta heterogeneidade (distância entre grupos grande) .center[ ]

fonte: Neves 2013

Depende do pesquisar:

1. escolher a medida de similaridade

2. Escolher o algorítimo de agrupamento

3. Definir a quantidade de cluster que faça sentido

# Medidas de distância

.pull-left[]

.pull-right[

### - Escolhidas de acrodo com a estrutura dos dados

### - Precisam ser “normalizadas”

### - MUITO IMPORTANTE para o resultado da análise

]

Métodos hierárquicos

.center[ ] Fonte: Marcelo Louretto — # Algorítimos de agrupamento ### Métodos não hirárquicos (K-means)

.panelset[ .panel[.panel-name[R Code1]]] — # Aplicações na Ecologia

Diversidade de Inhame, Darkwa et al 2020

Vallejos et al 2020