This HTML5 document contains 19 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

PrefixNamespace IRI
n12http://cran.r-project.org/web/packages/cluster/index.
category-eshttp://es.dbpedia.org/resource/Categoría:
dcthttp://purl.org/dc/terms/
wikipedia-eshttp://es.wikipedia.org/wiki/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
n18http://es.wikipedia.org/wiki/Algoritmo_de_agrupamiento?oldid=130006841&ns=
dbpedia-eshttp://es.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n14http://es.dbpedia.org/resource/Clustering_(Algoritmo)
n16http://es.dbpedia.org/resource/Clustering_(algoritmo)
n7http://rdf.freebase.com/ns/m.
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n15https://github.com/juandavm/
n13http://aprendizajekohonenclustering.hostoi.com/clustering.
owlhttp://www.w3.org/2002/07/owl#
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
dbpedia-commonshttp://commons.dbpedia.org/resource/
Subject Item
dbpedia-es:Algoritmo_de_agrupamiento
rdfs:label
Algoritmo de agrupamiento
rdfs:comment
Un algoritmo de agrupamiento (en inglés, clustering) es un procedimiento de agrupación de una serie de vectores de acuerdo con un criterio. Esos criterios son por lo general distancia o similitud. La cercanía se define en términos de una determinada función de distancia, como la euclídea, aunque existen otras más robustas o que permiten extenderla a . La medida más utilizada para medir la similitud entre los casos es la matriz de correlación entre los nxn casos. Sin embargo, también existen muchos algoritmos que se basan en la maximización de una propiedad estadística llamada verosimilitud.
owl:sameAs
n7:031f5p dbpedia-commons:Cluster_analysis
dct:subject
category-es:Algoritmos_de_agrupamiento
foaf:isPrimaryTopicOf
wikipedia-es:Algoritmo_de_agrupamiento
dbo:wikiPageID
385698
dbo:wikiPageRevisionID
130006841
dbo:wikiPageExternalLink
n12:html n13:html n15:em4gmm
dbo:wikiPageLength
3330
prov:wasDerivedFrom
n18:0
dbo:abstract
Un algoritmo de agrupamiento (en inglés, clustering) es un procedimiento de agrupación de una serie de vectores de acuerdo con un criterio. Esos criterios son por lo general distancia o similitud. La cercanía se define en términos de una determinada función de distancia, como la euclídea, aunque existen otras más robustas o que permiten extenderla a . La medida más utilizada para medir la similitud entre los casos es la matriz de correlación entre los nxn casos. Sin embargo, también existen muchos algoritmos que se basan en la maximización de una propiedad estadística llamada verosimilitud. Generalmente, los vectores de un mismo grupo (o clústers) comparten propiedades comunes. El conocimiento de los grupos puede permitir una descripción sintética de un conjunto de datos multidimensional complejo. De ahí su uso en minería de datos. Esta descripción sintética se consigue sustituyendo la descripción de todos los elementos de un grupo por la de un representante característico del mismo. En algunos contextos, como el de la minería de datos, se lo considera una técnica de aprendizaje no supervisado puesto que busca encontrar relaciones entre variables descriptivas pero no la que guardan con respecto a una variable objetivo.
Subject Item
wikipedia-es:Algoritmo_de_agrupamiento
foaf:primaryTopic
dbpedia-es:Algoritmo_de_agrupamiento
Subject Item
dbpedia-es:Algoritmos_de_clasificacion
dbo:wikiPageRedirects
dbpedia-es:Algoritmo_de_agrupamiento
Subject Item
dbpedia-es:Algoritmos_de_clasificación
dbo:wikiPageRedirects
dbpedia-es:Algoritmo_de_agrupamiento
Subject Item
n14:
dbo:wikiPageRedirects
dbpedia-es:Algoritmo_de_agrupamiento
Subject Item
n16:
dbo:wikiPageRedirects
dbpedia-es:Algoritmo_de_agrupamiento