Dentro de los métodos o técnicas de clustering (o agrupamiento), se encuentran los K-Means y Agrupamiento Jerárquico. A continuación, sus ventajas y desventajas.
Agrupamiento jerárquico
Ventajas:
El número óptimo de clústeres se puede obtener por el mismo modelo, a través de su muy útil dendrograma.
Desventajas:
No es conveniente para grandes conjuntos de datos.
K-Means
Ventajas:
Fácil de entender, fácil de adaptar. Trabaja bien con conjuntos de datos grandes o pequeños, es eficiente y tiene buen desempeño.
Desventajas:
Necesita que el usuario defina el número de clústeres.
Fuente: SuperDataScience.com
Temas destacados
análisisDeDatos apellido argentina chile clasificación Data Science Diario Concepción emprendimiento En la prensa estadística Estilo de vida identidad innovación instalación investigación machineLearning MacOSX Mapuche mapudungun mineríaDeDatos opinión regresiones rubyOnRails Tips en el computadorLo más leído
Hoy:
- Evitar los cortes de palabras en LaTeX
- Comparación de métodos de agrupamiento o clustering
- Evaluación de modelos de clasificación: Matriz de Confusión y Curva ROC
- Coeficiente de determinación corregido o R-cuadrado ajustado
Histórico:
- Coeficiente de determinación corregido o R-cuadrado ajustado
- Evaluación de modelos de clasificación: Matriz de Confusión y Curva ROC
- Comparación de métodos de agrupamiento o clustering
- Noción de R-cuadrado o Coeficiente de Determinación