Modelos De Clasificación

CURSO Modelos de Clasificaci´n o
Javier Trejos Zelaya CIMPA, Universidad de Costa Rica, E-Mail: jtrejos@cariari.ucr.ac.cr

´ Indice
1. Introducci´n o 2. Medidas de Semejanza 2.1. Distancias y disimilitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Similitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.Disimilitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Clasificaci´n Jer´rquica o a 3.1. Jerarqu´ . . . . . . . . . . . . . . . . . . . . ıas 3.2. Clasificaci´n jer´rquica ascendente . . . . . . o a 3.3. Algoritmos ascendentes acelerados . . . . . . 3.4. Aproximaciones por ultram´tricas . . . . . . . e 3.5. Clasificaci´n jer´rquica descendente . . . . . o a3.6. Observaciones sobre la clasificaci´n jer´rquica o a 4. Clasificaci´n por Particiones o 4.1. Problema combinatorio . . . . 4.2. Criterio de la inercia . . . . . . 4.3. M´todo de k-medias . . . . . . e 4.4. M´todos de nubes din´micas . e a 4.5. M´todo de Fisher . . . . . . . . e 4.6. Uso de heur´ ısticas modernas de 2 3 3 3 5 9 9 10 13 15 15 15 16 16 16 17 19 21 22 23 23 24 25 25 27 28 30 31 31 3132

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . optimizaci´n o

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . .. .

. . . . . .

. . . . . .

. . . . . .

5. M´todos Arb´reos No Jer´rquicos e o a 5.1. Arboles aditivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2. Pir´mides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 6. Otros M´todos e 6.1. Clasificaci´n o 6.2. Clasificaci´n o 6.3. Clasificaci´n o 6.4.Clasificaci´n o

bimodal . . . . difusa . . . . . neuronal . . . probabil´ ıstica .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. .. .

. . . .

. . . .

. . . .

. . . .

. . . .

7. Validaci´n de Resultados o 7.1. Descripci´n de una partici´n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o o 7.2. N´mero de clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . u 7.3. Pruebas de hip´tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . o 1

2

Javier Trejos

1.

Introducci´n o

La clasificaci´n autom´tica tiene por objetivo reconocer grupos de individuos homog´neos, de tal o a e forma que los grupos queden bien separados y bien diferenciados. Estos individuos pueden estar descritos por una tabla de datos de individuos por variables, con variables cuantitativas o cualitativas, o por una tabla de proximidades. Loque se entiende por individuos homog´neos es que los individuos que pertenezcan a un mismo e grupo tengan, ya sea caracter´ ısticas iguales o similares en el caso de que sean descritos por una tabla con variables, o bien que est´n pr´ximos unos de otros en el caso de que sean descritos por una tabla de e o proximidades. Es decir, dos individuos de una misma clase deben parecerse m´s entre s´...