Um cientista de dados plotou a inércia do agrupamento k-means (soma das distâncias quadradas) para valores de k de 1 a 10. Com base no "cotovelo" no gráfico, qual k é uma escolha razoável?

A inércia (soma das distâncias quadradas dentro do cluster) diminui à medida que o número de clusters (k) aumenta. O método do "cotovelo" busca o ponto onde a taxa de diminuição da inércia se torna marginal. No gráfico, isso se assemelha a um cotovelo. Se a inércia diminui drasticamente de k=1 para k=2, menos drasticamente para k=3 e depois a diminuição se torna muito menor a partir de k=4, então k=4 é o "cotovelo". k=1 geralmente representa um único cluster, o que raramente é útil. k=7 e k=10 estariam além do "cotovelo", indicando que adicionar mais clusters não traz ganhos significativos na redução da inércia, podendo levar a overfit.