Clustering - Historial de revisiones

Haydee ciget.stgo en 19:11 22 oct 2012

2012-10-22T19:11:59Z

Haydee ciget.stgo: /* Fuente */

2012-09-26T14:17:46Z

‎Fuente

Yanna ciget.ltu en 15:47 24 jul 2012

2012-07-24T15:47:52Z

Liusmila1402ad en 19:40 27 jun 2011

2011-06-27T19:40:13Z

Liusmila1402ad: /* X-Means */

2011-06-27T19:13:54Z

‎X-Means

Liusmila1402ad: /* Fuente */

2011-06-22T15:43:36Z

‎Fuente

Liusmila1402ad: /* Fuente */

2011-06-22T15:32:55Z

‎Fuente

Liusmila1402ad en 13:04 19 may 2011

2011-05-19T13:04:35Z

Ruslan unhicch: Agrupamiento o Clustering trasladada a Clustering

2011-03-27T19:18:30Z

Agrupamiento o Clustering trasladada a Clustering

Liusmila1402ad: /* Fuente */

2011-03-25T15:27:39Z

‎Fuente

@@ Línea 1: / Línea 1: @@
 {{Definición
 |nombre=Agrupamiento o Clustering
@@ Línea 5: / Línea 4: @@
 |tamaño=
 |concepto=Consiste en la división de los datos en grupos de objetos similares, simplifica la información.
-}}'''Clustering.''' Es una de las técnicas de [[minería de datos]], el proceso consiste en la división de los datos en grupos de objetos similares. Cuando se representan la información obtenida a través de clusters se pierden algunos detalles de los datos, pero a la vez se simplifica dicha información.
+}}'''Clustering.''' También conocido como agrupamiento, es una de las técnicas de [[minería de datos]], el proceso consiste en la división de los datos en grupos de objetos similares. Cuando se representan la información obtenida a través de clusters se pierden algunos detalles de los datos, pero a la vez se simplifica dicha información.
 == Definición  ==
-Clustering es una técnica en la que el aprendizaje realizado es no supervisado. Desde un punto de vista práctico, el Clustering juega un papel muy importante en aplicaciones de minería de datos, tales como exploración de datos científicos, recuperación de la información y minería de texto, aplicaciones sobre bases de datos espaciales (tales como GIS o datos procedentes de astronomía), aplicaciones [[Web]], [[marketing]], diagnóstico médico, análisis de ADN en [[biología]] computacional y muchas otras. De forma general, las técnicas de Clustering son las que utilizando algoritmos matemáticos se encargan de agrupar objetos. Usando la información que brindan las variables que pertenecen a cada objeto se mide la similitud entre los mismos, y una vez hecho esto se colocan en clases que son muy similares internamente (entre los miembros de la misma clase) y a la vez diferente entre los miembros de las diferentes clases.
+De forma general, las técnicas de Clustering son las que utilizando algoritmos matemáticos se encargan de agrupar objetos. Usando la información que brindan las variables que pertenecen a cada objeto se mide la similitud entre los mismos, y una vez hecho esto se colocan en clases que son muy similares internamente (entre los miembros de la misma clase) y a la vez diferente entre los miembros de las diferentes clases.
 == Algoritmos de Clustering  ==
@@ Línea 44: / Línea 44: @@
 Finalmente se obtendrá un conjunto de clusters que agrupan el conjunto de proyectos original. Cada uno de estos cluster estará definido por los parámetros de una distribución
-== Fuente ==
+== Fuentes ==
 *[http://omarsanchez.net/agrupamiento.aspx. Algoritmos de Clustering]
 [[Category:Bases_de_datos]]

@@ Línea 46: / Línea 46: @@
 == Fuente ==
-*Artículo [http://omarsanchez.net/agrupamiento.aspx. Algoritmos de Clustering]. Disponible en la Web "omarsanchez.net". Consultado: [[24 de marzo]] del [[2011]].
+*[http://omarsanchez.net/agrupamiento.aspx. Algoritmos de Clustering]
 [[Category:Bases_de_datos]]

@@ Línea 5: / Línea 5: @@
 |tamaño=
 |concepto=Consiste en la división de los datos en grupos de objetos similares, simplifica la información.
-}}
+}}'''Clustering.''' Es una de las técnicas de [[minería de datos]], el proceso consiste en la división de los datos en grupos de objetos similares. Cuando se representan la información obtenida a través de clusters se pierden algunos detalles de los datos, pero a la vez se simplifica dicha información.
 == Definición  ==
@@ Línea 27: / Línea 25: @@
 === X-Means  ===
-Este algoritmo es una variante mejorada del K-Means. Su ventaja fundamental está en haber solucionado una de las mayores deficiencias presentadas en K-Means, el hecho de tener que seleccionar a priori el número de clusters que se deseen obtener, a X-Means se le define un límite inferior K-min (número mínimo de clusters) y un límite superior K-Max (número máximo de clusters) y este algoritmo es capaz de obtener en ese rango el número óptimo de clusters, dando de esta manera más flexibilidad al usuario. Durante este proceso, el conjunto de centroides que alcanzan el mejor valor son almacenados, y estos serían la salida final, es decir, los valores finales de cada simulación de acuerdo a la distancia entre ellos. Los mismos son aplicables cuando en la [[Base de Datos]] existen al menos 2 simulaciones para el modelo (que son ecuaciones formadas por arreglos de parámetros y condiciones iniciales). Se ha comprobado que sus resultados son más fiables que los obtenidos con el K-Means, debido a que presenta un valor de distorsión menor, son mucho mejor para realizar Clusters de un conjunto grande de datos y es incluso una variante mucho más rápida.
+Este algoritmo es una variante mejorada del K-Means. Su ventaja fundamental está en haber solucionado una de las mayores deficiencias presentadas en K-Means, el hecho de tener que seleccionar a priori el número de clusters que se deseen obtener, a X-Means se le define un límite inferior K-min (número mínimo de clusters) y un límite superior K-Max (número máximo de clusters) y este algoritmo es capaz de obtener en ese rango el número óptimo de clusters, dando de esta manera más flexibilidad al usuario. Durante este proceso, el conjunto de centroides que alcanzan el mejor valor son almacenados, y estos serían la salida final, es decir, los valores finales de cada simulación de acuerdo a la distancia entre ellos. Los mismos son aplicables cuando en la [[Base de datos]] existen al menos 2 simulaciones para el modelo (que son ecuaciones formadas por arreglos de parámetros y condiciones iniciales). Se ha comprobado que sus resultados son más fiables que los obtenidos con el K-Means, debido a que presenta un valor de distorsión menor, son mucho mejor para realizar Clusters de un conjunto grande de datos y es incluso una variante mucho más rápida.
 === Cobweb  ===
@@ Línea 48: / Línea 46: @@
 == Fuente ==
-*Artículo [http://omarsanchez.net/agrupamiento.aspx. Algoritmos de Clustering]. Disponible en la Web "omarsanchez.net". Consultado: 24 de marzo del 2011.
+*Artículo [http://omarsanchez.net/agrupamiento.aspx. Algoritmos de Clustering]. Disponible en la Web "omarsanchez.net". Consultado: [[24 de marzo]] del [[2011]].
 [[Category:Bases_de_datos]]

@@ Línea 4: / Línea 4: @@
 |imagen=Clustering.jpg
 |tamaño=
-|concepto=Agrupamiento o Clustering
+|concepto=Consiste en la división de los datos en grupos de objetos similares, simplifica la información.
 }}

@@ Línea 27: / Línea 27: @@
 === X-Means  ===
-Es una variante mejorada del algoritmo K-Means. Su ventaja fundamental está en haber solucionado una de las mayores deficiencias presentadas en K-Means, el hecho de tener que seleccionar a priori el número de clusters que se deseen obtener, a X-Means se le define un límite inferior K-min (número mínimo de clusters) y un límite superior K-Max (número máximo de clusters) y este algoritmo es capaz de obtener en ese rango el número óptimo de clusters, dando de esta manera más flexibilidad al usuario. Durante este proceso, el conjunto de centroides que alcanzan el mejor valor son almacenados, y estos serían la salida final, es decir, los valores finales de cada simulación de acuerdo a la distancia entre ellos. Los mismos son aplicables cuando en la [[Base de Datos]] existen al menos 2 simulaciones para el modelo (que son ecuaciones formadas por arreglos de parámetros y condiciones iniciales). Se ha comprobado que sus resultados son más fiables que los obtenidos con el K-Means, debido a que presenta un valor de distorsión menor, son mucho mejor para realizar Clusters de un conjunto grande de datos y es incluso una variante mucho más rápida.
+Este algoritmo es una variante mejorada del K-Means. Su ventaja fundamental está en haber solucionado una de las mayores deficiencias presentadas en K-Means, el hecho de tener que seleccionar a priori el número de clusters que se deseen obtener, a X-Means se le define un límite inferior K-min (número mínimo de clusters) y un límite superior K-Max (número máximo de clusters) y este algoritmo es capaz de obtener en ese rango el número óptimo de clusters, dando de esta manera más flexibilidad al usuario. Durante este proceso, el conjunto de centroides que alcanzan el mejor valor son almacenados, y estos serían la salida final, es decir, los valores finales de cada simulación de acuerdo a la distancia entre ellos. Los mismos son aplicables cuando en la [[Base de Datos]] existen al menos 2 simulaciones para el modelo (que son ecuaciones formadas por arreglos de parámetros y condiciones iniciales). Se ha comprobado que sus resultados son más fiables que los obtenidos con el K-Means, debido a que presenta un valor de distorsión menor, son mucho mejor para realizar Clusters de un conjunto grande de datos y es incluso una variante mucho más rápida.
 === Cobweb  ===

← Revisión anterior		Revisión del 13:04 19 may 2011
Línea 1:		Línea 1:
		+	<div align="justify">
	{{Definición		{{Definición
	\|nombre=Agrupamiento o Clustering		\|nombre=Agrupamiento o Clustering

← Revisión anterior	Revisión del 19:18 27 mar 2011
(Sin diferencias)