Análisis de algoritmos de clustering para datos categóricos
En el campo de la estadística, el análisis de clusters se puede definir como la tarea de encontrar grupos relevantes de una población a partir de una muestra, de modo que los miembros de cada grupo sean más similares entre si que con respecto a los miembros de otros grupos en algún sentido. Nuestro...
- Autores:
-
Cerón Uribe, Juan Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/39125
- Acceso en línea:
- http://hdl.handle.net/1992/39125
- Palabra clave:
- Análisis cluster
Estadística matemática
Análisis estadístico multivariable
Algoritmos difusos
Matemáticas
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/
| Summary: | En el campo de la estadística, el análisis de clusters se puede definir como la tarea de encontrar grupos relevantes de una población a partir de una muestra, de modo que los miembros de cada grupo sean más similares entre si que con respecto a los miembros de otros grupos en algún sentido. Nuestro objetivo principal para este proyecto fue analizar algoritmos de clustering adaptados a datos con atributos categóricos. Con este fin, realizamos una lectura crítica del planteamiento del algoritmo ROCK, un algoritmo moderno basado en la atractiva idea de considerar la vecindad que rodea a cada uno de los datos. Finalmente, propusimos una modificación a este algoritmo y comparamos su desempeño con el original (y otros algoritmos clásicos de clustering) mediante conjuntos de datos simulados. |
|---|