Introducción a kernel acp y otros métodos espectrales aplicados al aprendizaje no supervisado
En el presente trabajo, se introducen las técnicas de kernel ACP (KACP) y conglomeramiento espectral con algunos ejemplos ilustrativos. Se pretende estudiar los efectos de aplicar ACP como preproceso sobre las observaciones que se desean agrupar, para lo cual se hacen experimentos con datos reales....
- Autores:
-
Sánchez, Luis Gonzalo
Osorio, Germán Augusto
Suárez, Julio Fernando
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2008
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/40608
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/40608
http://bdigital.unal.edu.co/30705/
- Palabra clave:
- método kernel
análisis de conglomerados
teoría de grafos
selección de modelo
Kernel method
Cluster analysis
Model selection
Graph theory
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | En el presente trabajo, se introducen las técnicas de kernel ACP (KACP) y conglomeramiento espectral con algunos ejemplos ilustrativos. Se pretende estudiar los efectos de aplicar ACP como preproceso sobre las observaciones que se desean agrupar, para lo cual se hacen experimentos con datos reales. Entre las tareas adicionales que requieren estos procedimientos está la sintonización de parámetros (ajuste de valores); el alineamiento del kernel se presenta como alternativa de solución. La técnica de alineamiento del kernel presenta buenos resultados al contrastar las curvas de alineamiento con los índices de Rand obtenidos para los datos evaluados. Finalmente, el estudio muestra que el éxito de ACP depende del problema y que no se tiene un criterio general para decidir. |
|---|