Diferencias

Muestra las diferencias entre dos versiones de la página.

--- ai:data_mining [2011/10/17 08:34]
alfred
+++ ai:data_mining [2020/05/09 09:25] (actual)
@@ Línea 46: / Línea 46: @@
 Para modelar la probabilidad de un evento que ocurre en función de otros factores. Usa la función logit.
-===== Clustering =====
-Consiste en agrupar individuos en grupos parecidos.
-==== K-Means ====
-En la nube de puntos que forman los individuos...
-  - Cogemos K centros de gravedad aleatorios (K corresponde al número de grupos), aunque pueden escogerse de otra forma no aleatoria.
-  - Calculamos la distancia entre un punto cualquiera y el centro de gravedad y le asignaremos el más cercano.
-  - Definimos una partición a partir de esto y calculamos su centro de gravedad (no tienen por qué coincidir con puntos).
-  - Con los nuevos centros volvemos a hacer el paso 2, nos aparece otra partición.
-=== Fast K-Means ===
-Una variación del K-Means es el Fast K-means, en el paso 2 cada vez que enlazasemos con un centro de gravedad crearíamos otro nuevo. En una sola pasada se encuentran las clasificaciones pero son peores.
-=== Notas ===
-  * K-Means tiene mejor rendimiento que el clustering jerárquico, pero necesita saber la K (el número de grupos). Una metodología que puede seguirse es la de hacer la partición jerárquica y, de esta, los centros de gravedad que se utilizarían en el k-means inicialmente.
-==== Clustering jerárquico ====
-Consiste en ir agrupando individuos por cercanía y mostrándolos en un endograma (una especie de árbol\histograma). \\
-  - Se calcula la matriz de distancias entre los individuos.
-  - Se coge la pareja de nodos más cercano.
-  - Se crea un nuevo nodo entre la pareja encontrada, siendo este la agregación de esta pareja que desaparece.
-  - Pasamos al paso 1.
-Iremos creando el árbol, siendo la altura de estos nuevos nodos la distancia (al cuadrado) entre la pareja que los forma. \\
-En el árbol estará todo el historial de agregaciones.  \\
-Al final tendremos un árbol donde se verá cláramente las clases (y se podrán escoger) que lo forman. Por ejemplo, en el siguiente podríamos escoger dos grupos ([1 3 4] y [2 5]) o tres ([1 3], [4] y [2 5]).
-{{ ai:md:dendograma.png?450px |}}
-Existen varios criterios para unir nodos:
-  * Por distancia mínima.
-  * Por media.
-  * Por el criterio de ward (inercia).
-==== Calidad del clustering ====
-  * Se buscará hacer grupos el máximo de homogéneos posibles entre sus individuos y lo más diferente posible entre ellos.
-  * Una medida para calcular esto es la inercia. Distinguiremos varias inercias:
-    * Inercia within: la que hay en los grupos. Suma de inercia de los grupos.
-    * Inercia between: la que hay entre los grupos. A partir de los centros de gravedad.
-    * Inercia total: La suma de la within y la between.
-    * Ratio de inercia: ''Inercia_Between / Inercia_Total'', se buscará hacer la inercia between grande y la within pequeña.
 ===== Reglas de asociación =====

Programming

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página