Comparación entre K-means y redes neuronales
Cargando...
Fecha
2016-07-22
Autores
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Cargando...
Resumen
El análisis de cluster ha sido un tema de investigación emergente en minería de datos debido a su variedad
de aplicaciones, puede ser considerado el problema más importante de aprendizaje no supervisado que
trata de encontrar una estructura en una colección de datos y que se puede de finir como el proceso de
organizar objetos en grupos cuyos miembros son similares en alguna forma. Con el desarrollo de muchos
algoritmos de agrupamiento de datos y su amplio uso, que incluyen desde procesamiento de imágenes,
biología computacional, comunicaciones móviles, hasta medicina y economía, estos algoritmos se han
vuelto muy populares.
El principal problema con los algoritmos de agrupación es que no se pueden estandarizar. Un algoritmo
puede dar buen resultado con un tipo de conjunto de datos, pero puede fallar o dar mal resultado con
otros tipos de datos. Hasta ahora se han propuesto muchos algoritmos de agrupación, sin embargo, cada
algoritmo tiene sus propios méritos y deméritos porque no funcionan bien en todas las situaciones reales.
Abstract
Cluster analysis has been an emerging research topic in data mining due to its variety of applications.
applications, it can be considered the most important unsupervised learning problem that tries to find a structure in a collection of data and that can be
It can be considered the most important unsupervised learning problem that tries to find a structure in a collection of data and can be defined as the process of organizing objects into groups whose members are similar in some way.
organizing objects into groups whose members are similar in some way. With the development of many
data clustering algorithms and their wide use, ranging from image processing,
computational biology, mobile communications, to medicine and economics, these algorithms have become very popular.
have become very popular.
The main problem with clustering algorithms is that they cannot be standardized. An algorithm
may perform well with one type of data set, but may fail or perform poorly with other types of data.
other types of data. So far, many clustering algorithms have been proposed, however, each
algorithm has its own merits and demerits because they do not work well in all real situations.
Idioma
spa
Palabras clave
Citación
Colecciones
Licencia Creative Commons
Atribución-NoComercial-SinDerivadas 2.5 Colombia