MACHINE LEARNING III

Apuntes

MACHINE LEARNING III Técnicas de Clustering (Parte I) 2 MACHINE LEARNING III Técnicas de clustering • Es un método de aprendizaje no supervisado, no hay una variable respuesta a considerar. Queremos ver si hay alguna estructura interna dentro del conjunto de datos. Es diferente del problema de clasificación (ejemplo: cliente proclive o no a hacer default), que es un problema de aprendizaje supervisado • Con el clustering pretendemos encontrar subgrupos naturales (clusters) dentro de las distintas observaciones que componen un data set, de tal manera que las observaciones dentro de cada subgrupo sean muy similares entre sí, mientras que las observaciones que están en grupos diferentes difieran mucho entre sí. 1. INTRODUCCIÓN Maximizar distancia inter-cluster Minimizar distancia intra-cluster Intro Criterios de enlace Clustering Jerárquico Medidas de distancia K-means K-means código R Jerárquico código R Aspectos a tener en cuenta 3 MACHINE LEARNING III ¿Y cuántos agrupamientos vamos a hacer? ¿Hacemos dos? ¿Hacemos cuatro? ¿Hacemos seis? Técnicas de clustering Intro Criterios de enlace Clustering Jerárquico Medidas de distancia K-means K-means código R Jerárquico código R Aspectos ...