Para este exemplo está sendo dito que além do coeficiente de silhueta ser o maior para K-Means, provavelmente o DBSCAN e o MeanShift não foram escolhidos porque os dados possuem alta dimensionalidade. Eu discordo porque se o critério é dimensionalidade, como explicado em aulas anteriores, o K-Means também não trabalha bem, ou seja, pelo que entendi nas aulas, nenhum dos 3 métodos trabalha bem quando os dados possuem alta dimensionalidade. Estou errado? Por gentileza, seu suporte. Obrigado!!!
Oii Itamar, tudo bem contigo? Espero que sim!
Você está correto, na verdade os métodos de clustering tem alguns problemas de trabalhar com alta dimensionalidade e para que seja possível um resultado melhor é necessário aplicar métodos de redução de dimensionalidade, como por exemplo o PCA ou T-SNE. O conceito de distância torna-se menos preciso à medida que o número de dimensões aumenta, uma vez que a distância entre quaisquer dois pontos em um determinado conjunto de dados converge, um artigo interessante que você pode ler sobre isso é o How to cluster in High Dimensions, ele está em inglês mas você pode traduzir se necessário!
Bons estudos!