info:eu-repo/semantics/article
Método heurístico para particionamiento óptimo
Método heurístico para particionamiento óptimo
Registro en:
10.15517/rmta.v10i1-2.221
Autor
de-los-Cobos-Silva, Sergio G.
Trejos Zelaya, Javier
Pérez Salvador, Blanca Rosa
Gutiérrez Andrade, Miguel Ángel
Institución
Resumen
Many data analysis problems deal with non supervised partitioning of a data set, in non empty clusters well separated between them and homogeneous within the clusters. An ideal partitioning is obtained when any object can be assigned a class without ambiguity. The present paper has two main parts; first, we present different methods and heuristics that find the number of clusters for optimal partitioning of a set; afterwards, we propose a new heuristic and we perform different comparisons in order to evaluate the advantages on well known data sets; we end the paper with some concluding remarks. Muchos problemas en el análisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vacíos que sean bien separados entre ellos y lo más homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto a una clase sin que exista ambigüedades. Este trabajo consta de dos partes principales; primero se presentan diferentes métodos y heurísticas para encontrar la cantidad de clases en que se debe particionar un conjunto de manera óptima; posteriormente se propone una novedosa heurísticas y se realizan algunas comparaciones para observar sus ventajas considerando conjuntos muy conocidos y utilizados que están previamente clasificados presentándose al final algunos resultados y conclusiones.