Resultado de búsqueda
12 de jul. de 2019 · El clustering jerárquico es un algoritmo de aprendizaje no supervisado que busca los datos más similares entre sí y los agrupa en jerarquías. Se explica su funcionamiento, tipos, medidas de distancia y representación con un ejemplo gráfico.
Los algoritmos de clustering jerárquico son técnicas utilizadas en minería de datos para agrupar objetos similares en grupos en función de su similitud. Este enfoque se basa en la construcción de un árbol jerárquico donde los objetos se agrupan de manera anidada siguiendo un criterio de similitud.
En minería de datos, el agrupamiento jerárquico es un método de análisis de grupos puntuales, el cual busca construir una jerarquía de grupos. Estrategias para agrupamiento jerárquico generalmente caen en dos tipos:
El clustering jerárquico es un método de agrupamiento que busca construir una jerarquía de clusters. Los algoritmos de clustering jerárquico dividen los datos en grupos anidados o jerárquicos, lo que permite representar las relaciones de similitud entre los datos de una manera estructurada.
El clustering jerarquico suele representarse a traves de un dendograma, que muestra en que orden se han unido los cluster y cual es el grado de proximidad que tienen los clusters que se unen. Los nodos hojas del dendograma se corresponden con los elementos individuales.
El método de clustering jerárquico divisivo o top-down funciona comenzando con un cluster que contiene todo el conjunto de datos y luego partiendo el cluster en dos clusters menos similares. Se procede recursivamente en cada cluster hasta que haya un cluster para cada observación.
Jerárquico: el algoritmo de clustering se compone de un número finito de pasos donde usualmente dicho número coincide con el número de objetos menos uno. Los métodos jerárquicos a su vez se subclasifican en dos tipos más:
