Comparación y analisis de tres algoritmos de clustering por medio de la herramienta Weka recuperado

 

1. Fecha de Presentación: 27 de Febrero de  2014 
  
  
2. Identificación del Estudiante: 
  
a. Código: ​
1.033.704.136  
 
b. Nombre: ​
Jennifer Tatiana Acosta 
c. Teléfono: ​
3102422814 
d. Carrera: ​
Ingeniería de sistemas 
e. Firma:  
 
 
f.  Semillero/grupo de  investigación/Área  de  Conocimiento al que pertenece el 
proyecto: ​Sistemas Inteligentes de y de Información Espacial (SIGA) 
g. Línea: ​
Minería de datos 
  
3.  Director Sugerido: ​
Wilson Soto 
  
4.  Título:  ​
“COMPARACIÓN  Y  ANÁLISIS  DE  TRES  DIFERENTES  ALGORITMOS  DE 
AGRUPAMIENTO.” 
  
5. Identificación del Problema. 
  
En  el  mundo  actual  la  información  es  un  recurso  muy  importante  para  la  actividad 
humana,  el  gran  crecimiento  de  los  datos  ha  generado  la  necesidad  del  manejo  de grandes volúmenes  de  estos, con  el  fin de  responder a determinados  problemas. Con 
la  minería de datos se da  lugar  al  descubrimiento  de información  útil a partir  de  bases 
de  datos,  con  lo  cual  contribuye  a  la  toma  de  decisiones  tácticas  y  estratégicas  en 
diferentes  áreas  como  finanzas,  análisis  de  mercado,  medicina,  biología,  química, 
telecomunicaciones  entre otras.  Esto  lo  realiza  mediante  las  tareas  propias  de  la 
minería como: agrupamiento,  clasificación,  regresión, etc. 
 
El agrupamiento de datos o clustering tiene como objetivo encontrar asociaciones de tal 
forma  que  los  objetos  de  un  grupo  sean  similares  entre  sí  y diferentes  de  los  objetos 
deotros grupos. 
 
Teniendo en  cuenta lo anterior y de lo importante que es la minería  de datos en nuestro 
mundo actual,  la  presente investigación  pretende  hacer  la  comparación con diferentes 
conjuntos  de  datos  utilizando  algunos  de  los  algoritmos  más  importantes  de 
agrupamiento  como  son  K­means,  Cobweb  y  EM(expectation–maximization).  En  la 
actualidad  no  se  cuenta  con  un  estudio  específico  que  de  alguna  sugerencia  de  cual usar en un determinado conjunto de datos. 

 

 6.   Antecedentes y Justificación. 
  
En [1]  se  realiza la comparación de dos técnicas de  minería de datos, como árboles de 
asociación  y  reglas  de  asociación,  las  cuales son tareas  propias  de  la clasificación  de 
datos,  allí  se  analizan  determinados  criterios  para   la  comparación  y  así  mismo  se 
generan  las  respectivas pruebas  como,  velocidad  de  ejecución,  precisión  para 
clasificación  de  los  datos,  precisión  para  la predicción de  datos  futuros, escalabilidad y 
robustez.  Para  la  ejecución de  los algoritmos de  clasificación,  se  utilizó  la  herramienta 
WEKA,  donde  los   datos  de  salida, fueron  usados para hacer las  respectivas  pruebas 
de comparación. 
 
En  [2]  usan  tres  algoritmos de  agrupamiento  para  la  estimación  del  costo  de   un 
software.  Los  algoritmos   que  usan  son  K­means  (Clustering  particional),  Cobweb 
(Clustering  jerárquico)  y  EM  (Clustering  probabilístico).  En  este  trabajo  se  hace  la 
comparación de  los algoritmos mediante  un  análisis de los resultados obtenidos por la 
herramienta  WEKA  y  así  se  determina  cual  es  el algoritmo  más  apropiado  para 
mejorar  la  estimación  del   costo  de  un  software.  No obstante  el trabajo  no  muestra  un 
marco extenso |de evaluación de los resultados.  
 
En  [3]  se  estudian  los  diferentes  algoritmos  de  agrupamiento  contenidos  en  la 
herramienta  WEKA,  con  el  fin  de  mostrar  las  ventajas  y  desventajas  entre  estos  y mostrar cuál sería el algoritmo más adecuado para  un conjunto de datos en un dominio 
específico.  La  comparación la  hacen  tomando  los resultados  que  arroja  la herramienta 
después  de  ejecutar  cada  uno  de  los  algoritmos,  finalmente  se  hace   un  análisis  a 
manera  cualitativa  y  se  determina  cuál de los  algoritmos es el  más  apropiado para un 
determinado  conjunto  de datos​
. ​...