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
Para medir la calidad de un clúster se puede proceder de varios modos. Partimos del hecho de que los objetos del dataset se pueden comprender fácilmente y cumplen los objetivos fundamentales y características cualitativas y cuantitativas de un buen clúster, es decir, un clúster de calidad. Medir la calidad de un clúster Lo que buscamos … Leer más
¿Sabías que existen diferentes métodos de clustering que puedes usar para ejecutar tus agrupamientos de manera más fácil y óptima? El clustering es el método por el cual se agrupan entidades en función de sus similitudes. ¿Y qué tipo de similitudes? Eso es precisamente lo que responderemos en este artículo, ya que vamos a evaluar … Leer más
Cuando tenemos información de ventas y locaciones específicas donde encontramos a nuestros usuarios podemos crear mapas que nos permiten visualizar a primera vista todos nuestros datos. En este post, te mostramos las buenas prácticas en gráficos de mapas en Tableau para que lo tengas en cuenta. Buenas prácticas de gráficos de mapas en Tableau Los … Leer más
Los gráficos son una representación de datos en forma de tablas, diagramas o mapas que te permiten visualizar de manera sencilla una cantidad amplia de datos. En este post, te vamos a mostrar los tipos de gráficos en Tableau, una de las herramientas de business intelligence más usadas por las compañías. Tipos de gráficos en … Leer más
Cuando hablamos de Tableau tenemos que tener en cuenta qué acepta la herramienta y qué no para saber los tipos de datos que puedes importar con la seguridad de que se vean de manera correcta. En este post, te mostramos los tipos de datos en Tableau que debes conocer para poder hacer visualizaciones. ¿Cuáles son … Leer más
El grid search en Python es un método de búsqueda que toma en cuenta diferentes combinaciones de hiperparámetros y elige la combinación que arroja un margen de error más bajo. ¿Cómo funciona el grid search en Python? El grid search en Python funciona por medio de la comparación: se toman dos valores de un conjunto … Leer más
