Medellín - Minas - Maestría en Ingeniería - Analítica · 2021
Análisis de clúster automático
En este documento se desarrolla el proceso de software de análisis de clúster automático, aunque en la actualidad, existen varias librerías que permiten realizar análisis de clúster, se busca automatizar el proceso y lograr diferentes opciones centralizadas en un mismo paquete; facilitando el análisis y la parametrización de los modelos. Para su elaboración, se utilizaron las librerías ya existentes en Python, tomando como base lo que se tiene en diferentes herramientas y software estadístico o de análisis de datos, de manera que se puedan usar tanto por una persona con conocimientos básicos como por una persona con conocimientos profundos que quiera parametrizar sus análisis. Los resultados de este trabajo muestran que es posible facilitar los procesos de agrupamiento y su respectivo análisis de datos a través de los algoritmos actuales, guiando al usuario de manera simple, gráfica, intuitiva en todo el proceso, llevando a concluir que los resultados del análisis de clúster se ve sujeto a la subjetividad o a los conocimientos del usuario sin embargo esta subjetividad es posible reducirla a través de estrategias, técnicas, análisis y el buen uso de las herramientas existentes. (Texto tomado de la fuente)
Full text 70 pages with text out of 74
Read the full thesis Record in the repository
Contents
- Metadatos Requeridosp. 15
- Motivación e importanciap. 17
- Definición problema clusteringp. 17
- Medidas de Distanciap. 19
- 2.2.1 Euclídeap. 19
- 2.2.2 Manhattanp. 19
- 2.2.3 Mahalanobisp. 19
- 2.2.4 Simple matching coefficientp. 20
- 2.2.5 Índice Jaccardp. 20
- Metodologías para detección de gruposp. 21
- 2.3.1 K-meansp. 21
- 2.3.2 K-medoidsp. 21
- 2.3.3 K-prototypesp. 22
- 2.3.4 Aglomerativop. 22
- 2.3.5 Density based clustering, (Dbscan)p. 22
- 2.3.6 Fuzzyp. 22
- Pruebas de Validaciónp. 23
- 2.4.1 Método del codop. 23
- 2.4.2 Criterio de Calinski-Harabaszp. 23
- 2.4.3 Método de la siluetap. 24
- Librerías disponiblesp. 25
- Problemas no resueltos en las metodologías actualesp. 48
- 2.7p. 51
- Resultados de algoritmos según una distribución de datosp. 48
- Preparación de los datosp. 55
- Datos cargadosp. 55
- Análisis descriptivop. 55
- Gráfica de correlacionesp. 56
- Histogramasp. 56
- Gráfico variable categóricap. 57
- Imputación de variablesp. 57
- Preparación de variablesp. 58
- Datos depuradosp. 59
- Análisis clústerp. 59
- Evaluación de escenariosp. 60
- Mejor modelop. 60
- Cantidad clústersp. 61
- Selección del modelop. 62
- Interpretación resultadosp. 62
- Análisis resultados 1p. 62
- Distribución clustersp. 63
- Análisis resultados 2p. 63
- Variables significativasp. 64
- Guardar resultadosp. 65
- Metadatos del Códigop. 15
- Comparativo de libreríasp. 26
- Algoritmos disponibles en cada libreríap. 44
- Características principales de las libreríasp. 47