Cursos Empresas Blog Live Conf Eventos Precios

¿Qué son las técnicas de agrupamiento?

El agrupamiento es una técnica de Machine Learning que consiste, en pocas palabras, en dividir cierta población en grupos con la consecuencia de que los datos en un grupo sean más similares entre ellos que comparado con los otros grupos. Imagina que eres el dueño de una startup que hace e-commerce y quieres tener estrategias de venta para tus clientes. Es casi imposible diseñar una estrategia por cada individuo, pero se puede utilizar el agrupamiento para dividir a los clientes en grupos que tengan similitudes relevantes y así reducir el problema a unas cuantas estrategias.

Tipos de agrupamiento

Existen dos tipos de agrupamiento:

Agrupamiento estricto (hard clustering): cada dato pertenece a un grupo u otro, no hay puntos medios.
Agrupamiento laxo (soft clustering): en lugar de asignar un dato a un grupo, se asignan probabilidades a cada dato de pertenecer o no a un grupo. Un punto muy importante que debes considerar cuando ejecutas técnicas de agrupamiento es que debes definir muy claro a qué te refieres cuando hablas de similitud entre puntos, porque esto puede ayudarte a definir el algoritmo correcto para tus necesidades particulares.

Modelos para determinar similitudes

A grandes rasgos, existen cuatro aproximaciones para definir similitud:

Modelos conectivos: asumen que los puntos más similares son los que se encuentran más cercanos en el espacio de búsqueda. Recuerda que este espacio puede ser altamente dimensional cuando tus feature vectors definen muchas características a analizar. Una desventaja de este tipo de modelos es que no escalan para conjuntos de datos grandes, aunque es posible utilizar una muestra y aplicar técnicas de estadística inferencial para obtener resultados.
Modelos de centroide: definen similitud en términos de cercanía con el centroide del grupo. Los datos se agrupan al determinar cuál es el centroide más cercano.
Modelos de distribución: trata de asignar probabilidades a cada dato para determinar si pertenecen a una distribución específica o no (por ejemplo, normal, binomial, Poisson, etc.).
Modelos de densidad: analizan la densidad de los datos en diferentes regiones y dividen el conjunto en grupos, luego asignan los puntos de acuerdo a las áreas de densidad en las que se haya dividido el dataset. Acuérdate de no casarte con un modelo específico. Muchas de las mejores Ingenieras de Machine Learning y Científicas de Datos utilizan varios modelos con el mismo conjunto de datos para analizar el rendimiento de los diversos algoritmos que tienen a su disposición. Así que experimenta y siempre compara tus resultados antes de tomar una decisión.

Técnicas de Agrupamiento en Machine Learning

Curso de Introducción al Pensamiento Probabilístico

Clase 20 de 24

Clase 20 / 24

Comentarios (21)21 comentarios

Josue Noha Valdivia

Hace 6 años

Técnicas de agrupamiento El agrupamiento consiste en en dividir la población en grupos dentro de los cuales los datos son más similares entre ellos que dentro de los otros grupos.

Tipos de Agrupamiento

Agrupamiento Estricto (Hard Clustering). Cada dato pertenece sólo a un grupo, no hay puntos medios.
Agrupamiento Laxo (Soft Clustering). Se asigna a cada dato una probabilidad de pertenencia a un grupo.

Modelos más usados:

Modelos conectivos: Asumen que los puntos más similares son los que se encuentran más cercanos. Este modelo es muy poco escalable para grupos grandes pero se puede analizar la data aplicando estadística inferencial. -Modelos de centroide: Se definen en términos de cercanía con el centroide del grupo. Los datos se agrupan al determinar el centroide más cercano.
Modelos de Distribución: Asignamos probabilidades a cada dato y determinamos su pertenencia a una distribución específica (normal, binomial, de Poisson, etc)
Modelos de Densidad: Analizan la densidad de los datos y generan los grupos en los lugares de mayor densidad. Luego asigna los puntos a cada grupo

Angelica Landazabal

Hace 7 años

Un programa que les recomiendo para realizar las comparaciones de los diversos algoritmos es Weka, tiene diversos parámetros a configurar que les puede ayudar a ajustar a sus necesidades.

Jhon Freddy Puentes Nuñez

Selecciona el mejor modelo: (O varios y luego compara)

Tomado de: https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

Gonzalo Ferrando

Lo conocía y es muy buen diagrama! Gracias!

Oscar Francisco Trujillo Puentes

Gracias!!

Juan David Vergara Torres

Este artículo compara los 4 algoritmos de clustering que se mencionaron teniendo en cuenta los mismos data sets . https://medium.com/datos-y-ciencia/aprendizaje-no-supervisado-en-machine-learning-agrupaci%C3%B3n-bb8f25813edc#:~:text=Para%20ello%2C%20los%20algoritmos%20de,con%20los%20de%20cl%C3%BAsteres%20diferentes.&text=Modelo%20de%20Agrupamiento%20Gaussiano .

Aquí tambien se muestra el resultado aplicando varios algoritmos de clustering para ver cual presenta un resultado más coherente dependiendo de la naturaleza del data set de 2 dimensiones. .

https://scikit-learn.org/stable/auto_examples/cluster/plot_cluster_comparison.html?highlight=clustering%20distribution .

Luis Fernando Pedroza Taborda

Excelentisimo aporte Juan, muchas gracias.

Wilson Delgado

El artículo es genial! me gusta como va comparando los diferentes algoritmos teniendo como base a K-means

LUIS EDUARDO SALAMANCA GARCIA

Encontré este artículo muy interesante, puede interesar a mucho: https://www.juanbarrios.com/inteligencia-artificial-y-machine-learning-para-todos/

Eduardo Rodriguez

Bastante interesante, muchas gracias

Paula Velosa

está genial!, gracias

Ramón Ruiz

Recuerda: No utilices solo un modelo. Puedes usar varios para obtener mejores resultados.

Zain Abimael Barradas Mendoza

Compara tus tus resultados antes de tomar una decisión, sabio consejo

Oyarzabal Ivan

Que es una etiqueta?

Hola!

Una forma facil de entenderlo es que lo veas como una marca que le pones a cada observación o registro de datos.

Ejemplo:

Spam / no spam
Comprador / no comprador
Alto / Medio / Bajo
Contratar / no contratar

Sirve para que los modelos tomen ejemplos que ya están etiquetados y aprendan a etiquetar cuando nuevo datos lleguen.

Saludos

Ibon Andrea Godoy Tovar

no entendi el modelo de densidad :'(

Ignacio Esteban Aredez Diaz

Imagínate un país, este se separa en provincias, estas provincias tienen habitantes, este total de habitantes dentro de una provincia es un porcentaje del total del país. Si tienes un país con 6 provincias una tiene el 50% de los habitantes y las restantes 5 el 10% cada una. Esto significa que al asignar datos (habitantes) estos se distribuirán basándose en la densidad de las mismas(provincias).

espero haberte ayudado Saludos

Coren Ancco Calloapaza

¿cual seria un ejemplo de modelo de densidad y de distribución? No comprendo bien esos conceptos

Un modelo de densidad es el DBSCAN y uno de distribución es mezcla Gaussiana MMG., aquí te dejó un artículo que compara los 4 modelos con un mismo data set:

https://medium.com/datos-y-ciencia/aprendizaje-no-supervisado-en-machine-learning-agrupaci%C3%B3n-bb8f25813edc#:~:text=Para%20ello%2C%20los%20algoritmos%20de,con%20los%20de%20cl%C3%BAsteres%20diferentes.&text=Modelo%20de%20Agrupamiento%20Gaussiano

K-Medias Clusterización Jerárquica Density Based Scan Clustering (DBSCAN) Modelo de Agrupamiento Gaussiano

Daniel Noreña

Me ha surgido curiosidad sobre la complejidad de los algoritmos de clasificación, investigando un poco big O de k-means varia dependiendo de la opinión y entre mas complejos los algoritmos creería que mas se abre el debate. Gracias pro el articulo

David Amador Morales

Gracias por profundizar en el tema, buen artículo.

Juan Ochoa

Muy buen artículo!

Arturo Baduna

creo q lo voy a poner en favs jajajaja

MARIA TERESA PANIAGUA RIVERA

Hace 2 años

Gracias

Pablo Reyes Abarca

Quisiera aterrizar un poco mejor las ideas. En el caso de ecommerce, ¿qué se representa en el plano cartesiano?, precio vs unidades vendidas?, o cuales serian las dos dimensiones a graficar.

Alejandro Ramos

Imagino que se refiere al tipo de características que puede tener un cliente, como:

Tipo de productos que compra.
País del que compra.
Edad.
Sexo.
Cantidad de dinero que utiliza.
Frecuencia con la que compra.
Método con el que paga.
Intereses. etc.

Y en base a este tipo de datos, agrupar a los clientes que tienen similares características.

Alejandro Cuello Maure

Generalmente, primero tenemos que pasar las diferentes caracteristicas de lo que queremos analizar a numeros, ya que las computadoras solo entienden numeros.

Y estos numeros, los graficamos en el plano cartesiano, ejemplo:

Edad del cliente
Total de compras
Frecuencia de compra en dias.

Entonces pasas esos datos a numeros [22, 15, 5]. y asi lo graficamos en el plano, en este caso sería un plano de 3 dimesiones, por que tenemos 3 numeros, y asi va creciendo a medida que tienes mas datos que ayudan a clasificar cada persona (o objeto) en un grupo.

Daniela Rodriguez Brot

Gran artículo, gracias

Alfredo Jose Ramirez Granados

excelente gracias por la informacion

Gabriela Maria Marin Zelaya

Muy buen artículo

Andrés David Lizarazo Becerra

Gran artículo!

Técnicas de Agrupamiento en Machine Learning

Progreso del curso

Programación probabilística

Mentiras estadísticas

Introducción a Machine Learning

Agrupamiento

Clasificación