Análise comparativa da eficácia do clustering aglomerativo hierárquico na classificação de espécies de Iris

Este estudo investiga a aplicação do algoritmo Agglomerative Clustering para a classificação automática de espécies de Iris (Iris setosa, Iris versicolor e Iris virginica) utilizando características morfológicas das sépalas e pétalas. O conjunto de dados Iris, amplamente utilizado em estudos de aprendizado de máquina, foi analisado através da técnica de clustering hierárquico aglomerativo com métrica euclidiana e ligação de Ward. Os resultados demonstraram alta eficácia na separação das três espécies, com particular distinção da Iris setosa em relação às demais espécies. A análise das características das pétalas apresentou melhor separabilidade dos clusters em comparação às características das sépalas, evidenciando a importância das dimensões das pétalas como critério discriminante para classificação taxonômica. O algoritmo mostrou-se eficiente para identificação automática de padrões morfológicos, contribuindo para estudos de taxonomia botânica e sistemas de classificação automatizada de espécies vegetais.