CLUSTERIZAÇÃO DOS MUNICÍPIOS BRASILEIROS

RESUMO:

O presente trabalho teve como objetivo fornecer um agrupamento de municípios para fins de subsídio de política espacial/regional. Utilizou-se uma metodologia de clusterização original, de forma a garantir que os agrupamentos formados fossem espacialmente contíguos, com características socioeconômicas homogêneas. No agregado, o território brasileiro foi dividido em 91 clusters:
16 na região Norte, 22 na região Nordeste, 24 na região Sudeste, 16 na região Sul e 13 na região Centro-Oeste. Os municípios das regiões Sudeste e Sul são os com os melhores indicadores. Além da renda per capita e da taxa de homicídios, índices de desenvolvimento municipal para educação, condições dos domicílios e condições de saúde serviram de base para a análise dos clusters selecionados entre 1991 e 2000. A análise de clusters permitiu identificar áreas de alta renda per capita e bons indicadores para condições sociais em geral, como é o caso da região de Campinas, como também regiões com renda per capita muito baixa, e péssimos indicadores sociais, como, por exemplo, o norte de Minas Gerais.

FULL TEXT: http://www.ipea.gov.br/sites/000/2/publicacoes/livros/dirur/dinamica_dos_municipos/Capitulo%205.pdf

CLUSTERIZAÇÃO

De acordo com [Jain and Dubes 1988], a clusterização é um método que
utiliza o aprendizado não supervisionado ou auto-organizável, ou seja, não há
um “professor” ou “crítico” que lhe indique o que cada padrão representa.
Aprendizagem não supervisionada ou clustering (agrupamento) busca
extrair informação relevante de dados não rotulados.
Uma solução mais geral consiste em definir medidas de similaridade
entre dois clusters assim como um critério global como a soma do erro
quadrático.
Existem vários algoritmos que fazem agrupamento.
Os algoritmos de agrupamento são classificados como hierárquicos ou
seqüenciais (ou iterativos).
Exemplo de agrupamento (clusters)