Algoritmo de agrupamiento

Ir a la navegaciónIr a la búsqueda

Un algoritmo de agrupamiento (en inglés, clustering) es un procedimiento de

agrupación de una serie de vectores de acuerdo con un criterio. Esos criterios son por
lo general distancia o similitud. La cercanía se define en términos de una determinada
función de distancia, como la euclídea, aunque existen otras más robustas o que
permiten extenderla a variables discretas. La medida más utilizada para medir la
similitud entre los casos es la matriz de correlación entre los nxn casos. Sin embargo,
también existen muchos algoritmos que se basan en la maximización de una propiedad
estadística llamada verosimilitud.
Generalmente, los vectores de un mismo grupo (o clústers) comparten propiedades
comunes. El conocimiento de los grupos puede permitir una descripción sintética de un
conjunto de datos multidimensional complejo. De ahí su uso en minería de datos. Esta
descripción sintética se consigue sustituyendo la descripción de todos los elementos de
un grupo por la de un representante característico del mismo.
En algunos contextos, como el de la minería de datos, se lo considera una técnica
de aprendizaje no supervisado puesto que busca encontrar relaciones entre variables
descriptivas pero no la que guardan con respecto a una variable objetivo.

Índice

 1Aplicaciones

 2Algoritmos

 3Véase también

 4Referencias

 5Enlaces externos

Aplicaciones[editar]
Las técnicas de agrupamiento encuentran aplicación en diversos ámbitos.

 En biología para clasificar animales y plantas.

 En medicina para identificar enfermedades.
 En marketing para identificar personas con hábitos de compras similares.
 En teoría de la señal pueden servir para eliminar ruidos.
 En biometría para identificación del locutor o de caras.

Algoritmos[editar]
 Existen dos grandes técnicas para el agrupamiento de casos:

 Agrupamiento jerárquico, que puede ser aglomerativo o divisivo.

 Agrupamiento no jerárquico, en los que el número de grupos se determina de
antemano y las observaciones se van asignando a los grupos en función de su
cercanía. Existen los métodos de k-mean y k-medoid.
Existen diversas implementaciones de algoritmos concretos. Por ejemplo, el de las k-
medias, de particionamiento. Es uno de los más antiguos, pero de uso extendido a
pesar de sus carencias y falta de robustez.
El paquete clúster de R-lenguaje1 implementa una serie de algoritmos de
particionamiento como agnes, mona y diana, jerárquicos, y pam, clara y fanny, de
particionamiento.

Véase también[editar]
 Inteligencia de enjambre
 Análisis de grupos

Referencias[editar]
1. ↑ Rousseeuw, P.J.; Kaufman, L. (1990). Finding Groups in Data: An Introduction to Clúster
Analysis. Wiley.

Enlaces externos[editar]
  Wikimedia Commons alberga una galería multimedia sobre Algoritmo de
agrupamiento.
 Implementación Real en C del algoritmo EM para Clustering con Gaussian Mixture
Models (GMMs).
 Recuperación de Información Archivado el 21 de marzo de 2015 en Wayback
Machine.

 Proyectos Wikimedia

  Datos: Q24953001
Categoría: 
 Algoritmos de agrupamiento

Menú de navegación
 No has accedido

 Discusión

 Contribuciones
  Crear una cuenta

 Acceder
 Artículo
 Discusión
 Leer
 Editar
 Ver historial
Buscar
Buscar Ir

 Portada
 Portal de la comunidad
 Actualidad
 Cambios recientes
 Páginas nuevas
 Página aleatoria
 Ayuda
 Donaciones
 Notificar un error
Herramientas
 Lo que enlaza aquí
 Cambios en enlazadas
 Subir archivo
 Páginas especiales
 Enlace permanente
 Información de la página
 Citar esta página
 Elemento de Wikidata
Imprimir/exportar
 Crear un libro
 Descargar como PDF
 Versión para imprimir
Idiomas
Añadir enlaces

 Esta página se editó por última vez el 22 mar 2021 a las 21:54.
 El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0; pueden aplicarse cláusulas
adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.
 Política de privacidad

 Acerca de Wikipedia

 Limitación de resp