[El título inicial "Medición de similitud para árboles de agrupamiento jerárquico" fue cambiado más tarde por @ttnphns para reflejar mejor el tema] Estoy realizando una serie de análisis de conglomerados jerárquicos en un marco de datos de registros de pacientes (por ejemplo, similar a...
Necesito usar variables binarias (valores 0 y 1) en k-means. Pero k-means solo funciona con variables continuas. Sé que algunas personas todavía usan estas variables binarias en k-means ignorando el hecho de que k-means solo está diseñado para variables continuas. Esto es inaceptable para...
Al realizar la agrupación jerárquica, se pueden usar muchas métricas para medir la distancia entre las agrupaciones. Dos de estas métricas implican el cálculo de los centroides y las medias de los puntos de datos en los grupos. ¿Cuál es la diferencia entre la media y el centroide? ¿No son estos el...
Considere el ejemplo R a continuación: plot( hclust(dist(USArrests), "ave") ) ¿Qué significa exactamente la "Altura" del eje y? Mirando a Carolina del Norte y California (más bien a la izquierda). ¿California está "más cerca" de Carolina del Norte que Arizona? ¿Puedo hacer esta...
Estoy investigando varias técnicas utilizadas en la agrupación de documentos y me gustaría aclarar algunas dudas sobre PCA (análisis de componentes principales) y LSA (análisis semántico latente). Lo primero: ¿cuáles son las diferencias entre ellos? Sé que en PCA, la descomposición SVD se aplica a...
He hecho un análisis de datos tratando de agrupar datos longitudinales usando R y el paquete kml . Mis datos contienen alrededor de 400 trayectorias individuales (como se llama en el documento). Puedes ver mis resultados en la siguiente imagen: Después de leer el capítulo 2.2 "Elegir un número...
Tengo algunos puntos en , y quiero agrupar los puntos para que:X= { x1, . . . , xnorte}X={X1,...,Xnorte}X=\{x_1,...,x_n\}RpagsRpagsR^p Cada grupo contiene un número igual de elementos de . (Suponga que el número de grupos divide .)XXXnortenorten Cada grupo es "espacialmente cohesivo" en algún...
PREGUNTA: Tengo datos binarios en las preguntas del examen (correcto / incorrecto). Algunas personas podrían haber tenido acceso previo a un subconjunto de preguntas y sus respuestas correctas. No sé quién, cuántos o cuáles. Si no hubiera trampa, suponga que modelaría la probabilidad de una...
Tengo una tabla de base de datos de transferencias de datos entre diferentes nodos. Esta es una gran base de datos (con casi 40 millones de transferencias). Uno de los atributos es el número de transferencias de bytes (nbytes) que varían de 0 bytes a 2 tera bytes. Me gustaría agrupar los nbytes de...
Preguntas: Tengo una gran matriz de correlación. En lugar de agrupar correlaciones individuales, quiero agrupar variables basadas en sus correlaciones entre sí, es decir, si la variable A y la variable B tienen correlaciones similares a las variables C a Z, entonces A y B deberían ser parte del...
He estado leyendo mucho sobre el algoritmo -snettt para la reducción de dimensionalidad. Estoy muy impresionado con el rendimiento en los conjuntos de datos "clásicos", como MNIST, donde logra una separación clara de los dígitos ( ver artículo original ): También lo he usado para visualizar las...
Me gustaría agrupar jerárquicamente mis datos, pero en lugar de usar la distancia euclidiana, me gustaría usar la correlación. Además, dado que el coeficiente de correlación varía de -1 a 1, con -1 y 1 denotando "corregulación" en mi estudio, estoy tratando a -1 y 1 como d = 0. Entonces mi cálculo...
Quiero realizar la agrupación K-means en los objetos que tengo, pero los objetos no se describen como puntos en el espacio, es decir, por objects x featuresconjunto de datos. Sin embargo, puedo calcular la distancia entre dos objetos (se basa en una función de similitud). Entonces, dispongo de la...
Tengo una pregunta sobre el análisis de conglomerados. Hay 3000 empresas, que deben agruparse de acuerdo con su consumo de energía durante 5 años. Cada empresa tiene valores por cada hora durante 5 años. Me gustaría saber si algunas empresas tienen el mismo patrón en el poder de uso durante el...
La segunda pregunta es que encontré en una discusión en alguna parte de la web hablando sobre "agrupación supervisada", que yo sepa, la agrupación no está supervisada, entonces, ¿cuál es exactamente el significado de "agrupación supervisada"? ¿Cuál es la diferencia con respecto a la...
Tengo una matriz semi-pequeña de características binarias de dimensión 250k x 100. Cada fila es un usuario y las columnas son "etiquetas" binarias de algún comportamiento del usuario, por ejemplo, "likes_cats". user 1 2 3 4 5 ... ------------------------- A 1 0 1 0 1 B 0 1 0 1 0 C 1 0 0 1 0 Me...
Estoy leyendo el algoritmo Bishop en EM para GMM y la relación entre GMM y k-means. En este libro dice que k-means es una versión difícil de GMM. Me pregunto si eso implica que si los datos que intento agrupar no son gaussianos, no puedo usar k-means (o al menos no es adecuado). Por ejemplo, ¿qué...
Después de realizar el análisis de componentes principales (PCA), quiero proyectar un nuevo vector en el espacio PCA (es decir, encontrar sus coordenadas en el sistema de coordenadas PCA). He calculado PCA en lenguaje R usando prcomp. Ahora debería poder multiplicar mi vector por la matriz de...
Me preguntaba si alguien tenía alguna idea o intuición detrás de la diferencia entre la variación de información y el índice Rand para comparar agrupaciones. He leído el documento " Comparación de agrupamientos: una distancia basada en la información " de Marina Melia (Journal of Multivariate...
La mayoría de los algoritmos clásicos de agrupación y reducción de dimensionalidad (agrupación jerárquica, análisis de componentes principales, k-means, mapas autoorganizados ...) están diseñados específicamente para datos numéricos, y sus datos de entrada se ven como puntos en un espacio...