Ciencia de datos

Uno de los mayores problemas a la hora de trabajar con el algoritmo de k-means es la necesidad de conocer el número de clústeres en los que se debe dividir el conjunto de datos. Para lo que existen diferentes métodos como el del codo, la Silhouette, Gap Statistics o Calinski-Harabasz. En esta ocasión se va a ver otro método bastante popular, el braseado en el índice de … [Leer más...] acerca de El índice de Davies-Bouldinen para estimar los clústeres en k-means e implementación en Python

La Silhouette es una métrica que permite evaluar la calidad de los clústeres generados mediante algoritmos de clustering basados en la distancia euclídea. Como es el caso de k-means. Cuantificando la relación que existe entre la separación de los diferentes clústeres y la similitud entre los puntos de un mismo clúster en un valor que varía entre -1 y 1. Los valores cercanos a 1 … [Leer más...] acerca de Número óptimo de clústeres con Silhouette e implementación en Python

Cuando se desea realizar análisis de clúster uno de los algoritmos más utilizados es k-means. Lo que se explica por los buenos resultados que suele ofrecer con la mayoría de los conjuntos de datos y su simplicidad. Pero tiene un problema, es necesario conocer el número de clústeres en los que se debe dividir el conjunto de datos. Por lo que existen diferentes métodos como el … [Leer más...] acerca de Identificar el número de clústeres con Calinski-Harabasz en k-means e implementación en Python

Posiblemente la técnica más utilizada para identificar el número óptimo de clústeres en los que dividir un conjunto de datos con K-means sea el método del codo (elbow method). Lo que se explica porque es un método intuitivo y fácil de implementar. Solamente hay que identificar el punto en el que la disminución de la varianza intra-clúster se desacelera, lo que indica que … [Leer más...] acerca de Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means

El mayor problema con el que nos podemos encontrar a la hora de usar el algoritmo de k-means es conocer el número de clústeres en los que se divide el conjunto de datos. Un hiperparámetro que en Scikit-learn debe ser indicado al construir el objeto. Por eso existen múltiples métodos para seleccionar este valor como los métodos del codo (elbow method), silueta (silhouette) o … [Leer más...] acerca de Optimizar el número de clústeres con gap statistics