El clúster por densidad es un tipo de clusterización que utiliza el algoritmo DBSCAN, cuyas siglas quieren decir Density Based Clustering of Applications with Noise. Este es uno de los algoritmos de clúster por densidad más famosos que existen, pero no es el único, ya que hay otros que no son tan conocidos. ¿Cómo funciona … Leer más
El biclustering en biología y Big Data utiliza algoritmos de biagrupamiento que agrupan simultáneamente filas y columnas de una matriz de datos para el análisis de datos. Hasta ahora hemos estado trabajando con matrices de datos, pero en forma de columnas; el biclustering en biología y Big Data funciona de manera distinta, ya que agrupa … Leer más
En este artículo realizaremos un ejercicio de clustering con ejemplo, utilizando el conjunto de datos del articulo: Spellman PT, et al. 1998. Comprehensive identification of cell cycle-regulated genes of the yeast Saccharomyces cerevisiae by microarray hybridization. Mol Biol Cell 9(12): 3273-97. Nos vamos a descargar la matriz de expresión de 724 genes en diferentes condiciones … Leer más
En este artículo veremos un ejercicio de aplicación de clustering con los tipos de aceite. Ejercicio de aplicación de clustering Lo primero que haremos en nuestro ejercicio de aplicación de clustering será usar un paquete caret para estandarizar: También tenemos ya el aceite de oliva estandarizado: Posteriormente, calcularemos la matriz de distancia con: Y acto … Leer más
En este artículo te explicaremos qué es el Hierarchical DBSCAN y cómo usarlo por medio de un ejercicio de aplicación. El Hierarchical DBSCAN esencialmente calcula la jerarquía de todos los clústeres de DBSCAN para un minPts dato. Luego utiliza una estabilidad basada en el método de extracción para encontrar cortes óptimos en la jerarquía, por … Leer más
En este artículo veremos un ejemplo de clúster por densidad con un dataset que contiene 6219 estrellas que muestran la magnitud aparente en el rango visible. El dataset contiene 5 columnas: Ejemplo de clúster por densidad En este ejercicio hacemos que se calcule la distancia a a la estrella en pársecs en función de los … Leer más
En este artículo te mostraremos, por medio de un ejercicio de clúster por densidad, cómo funciona este elemento. Para ello, utilizaremos el dataset Iris, una de las bases de datos más conocida que se utiliza para determinar factores como el número mínimo de clústeres, el punto central basado en densidad o la distancia máxima entre … Leer más
Los algoritmos jerárquicos se basan en la idea central de que los objetos están más relacionados con objetos cercanos que con objetos más alejados. Estos algoritmos conectan objetos para formar clústeres en función de su distancia. Hay dos enfoques para abordar este problema de agrupamiento: División de los algoritmos jerárquicos La fusión o división de … Leer más
¿Sabes que es la medida de calidad con Average Silhouette Width, también conocida por sus siglas ASW? ¡En este post te lo explicamos! Medida de calidad con Average Silhouette Width (ASW) La medida de calidad con Average Silhouette Width nos dice cómo de similar es un objeto a su propio clúster (cohesión) en comparación con … Leer más
En este artículo veremos un ejemplo de clustering con el conjunto de datos de Iris (de Fisher o Anderson). Este da las medidas en centímetros de las variables longitud y ancho del sépalo y longitud y ancho del pétalo, respectivamente, para 50 flores de cada una de las 3 especies de iris. Las especies son … Leer más
