| Property |
Value |
| dbo:abstract
|
- En minería de datos, el agrupamiento jerárquico es un método de análisis de grupos puntuales, el cual busca construir una jerarquía de grupos. Estrategias para agrupamiento jerárquico generalmente caen en dos tipos:
* Aglomerativas: Este es un acercamiento ascendente: cada observación comienza en su propio grupo, y los pares de grupos son mezclados mientras uno sube en la jerarquía.
* Divisivas: Este es un acercamiento descendente: todas las observaciones comienzan en un grupo, y se realizan divisiones mientras uno baja en la jerarquía. En general, las mezclas y divisiones son determinadas con un Algoritmo voraz. Los resultados del agrupamiento jerárquico son usualmente presentados en un dendrograma. En el caso general, la complejidad del agrupamiento aglomerativo es , lo cual los hace demasiado lentos para grandes conjuntos de datos. El agrupamiento divisivo con búsqueda exhaustiva es lo cual es aún peor. Sin embargo, para algunos casos especiales, óptimos y eficientes métodos aglomerativos (de complejidad ) ) son conocidos: SLINK para agrupamiento de enlace-simple y CLINKpara agrupamiento de enlace completo. (es)
- En minería de datos, el agrupamiento jerárquico es un método de análisis de grupos puntuales, el cual busca construir una jerarquía de grupos. Estrategias para agrupamiento jerárquico generalmente caen en dos tipos:
* Aglomerativas: Este es un acercamiento ascendente: cada observación comienza en su propio grupo, y los pares de grupos son mezclados mientras uno sube en la jerarquía.
* Divisivas: Este es un acercamiento descendente: todas las observaciones comienzan en un grupo, y se realizan divisiones mientras uno baja en la jerarquía. En general, las mezclas y divisiones son determinadas con un Algoritmo voraz. Los resultados del agrupamiento jerárquico son usualmente presentados en un dendrograma. En el caso general, la complejidad del agrupamiento aglomerativo es , lo cual los hace demasiado lentos para grandes conjuntos de datos. El agrupamiento divisivo con búsqueda exhaustiva es lo cual es aún peor. Sin embargo, para algunos casos especiales, óptimos y eficientes métodos aglomerativos (de complejidad ) ) son conocidos: SLINK para agrupamiento de enlace-simple y CLINKpara agrupamiento de enlace completo. (es)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
| |
| dbo:wikiPageRevisionID
| |
| prop-es:año
|
- 2007 (xsd:integer)
- 2009 (xsd:integer)
|
| prop-es:capítulo
|
- 14312 (xsd:integer)
- Section 16.4. Hierarchical Clustering by Phylogenetic Trees (es)
|
| prop-es:chapterUrl
| |
| prop-es:edición
| |
| prop-es:editorial
| |
| prop-es:enlaceautor
|
- Robert Tibshirani (es)
- Trevor Hastie (es)
- Robert Tibshirani (es)
- Trevor Hastie (es)
|
| prop-es:first
|
- SA (es)
- BP (es)
- Robert (es)
- Jerome (es)
- Trevor (es)
- WH (es)
- WT (es)
- SA (es)
- BP (es)
- Robert (es)
- Jerome (es)
- Trevor (es)
- WH (es)
- WT (es)
|
| prop-es:isbn
|
- 0 (xsd:integer)
- 978 (xsd:integer)
|
| prop-es:last
|
- Flannery (es)
- Press (es)
- Friedman (es)
- Hastie (es)
- Teukolsky (es)
- Tibshirani (es)
- Vetterling (es)
- Flannery (es)
- Press (es)
- Friedman (es)
- Hastie (es)
- Teukolsky (es)
- Tibshirani (es)
- Vetterling (es)
|
| prop-es:publicationPlace
|
- New York (es)
- New York (es)
|
| prop-es:páginas
| |
| prop-es:título
|
- Numerical Recipes: The Art of Scientific Computing (es)
- The Elements of Statistical Learning (es)
- Numerical Recipes: The Art of Scientific Computing (es)
- The Elements of Statistical Learning (es)
|
| prop-es:ubicación
|
- Nueva York (es)
- Nueva York (es)
|
| prop-es:url
|
- http://www-stat.stanford.edu/~tibs/ElemStatLearn/|formato=PDF|fechaacceso=20 de octubre de 2009 (es)
- http://www-stat.stanford.edu/~tibs/ElemStatLearn/|formato=PDF|fechaacceso=20 de octubre de 2009 (es)
|
| prop-es:urlarchivo
|
- https://web.archive.org/web/20091110212529/http://www-stat.stanford.edu/~tibs/ElemStatLearn/|fechaarchivo=10 de noviembre de 2009 (es)
- https://web.archive.org/web/20091110212529/http://www-stat.stanford.edu/~tibs/ElemStatLearn/|fechaarchivo=10 de noviembre de 2009 (es)
|
| dct:subject
| |
| rdfs:comment
|
- En minería de datos, el agrupamiento jerárquico es un método de análisis de grupos puntuales, el cual busca construir una jerarquía de grupos. Estrategias para agrupamiento jerárquico generalmente caen en dos tipos:
* Aglomerativas: Este es un acercamiento ascendente: cada observación comienza en su propio grupo, y los pares de grupos son mezclados mientras uno sube en la jerarquía.
* Divisivas: Este es un acercamiento descendente: todas las observaciones comienzan en un grupo, y se realizan divisiones mientras uno baja en la jerarquía. (es)
- En minería de datos, el agrupamiento jerárquico es un método de análisis de grupos puntuales, el cual busca construir una jerarquía de grupos. Estrategias para agrupamiento jerárquico generalmente caen en dos tipos:
* Aglomerativas: Este es un acercamiento ascendente: cada observación comienza en su propio grupo, y los pares de grupos son mezclados mientras uno sube en la jerarquía.
* Divisivas: Este es un acercamiento descendente: todas las observaciones comienzan en un grupo, y se realizan divisiones mientras uno baja en la jerarquía. (es)
|
| rdfs:label
|
- Agrupamiento jerárquico (es)
- Agrupamiento jerárquico (es)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is owl:sameAs
of | |
| is foaf:primaryTopic
of | |
