Please use this identifier to cite or link to this item: http://dspace.espoch.edu.ec/handle/123456789/11225
Title: Una técnica de agrupación robusta para un enfoque Big Data: CLARABD para tipos de datos mixtos.
Authors: Morales Oñate, Víctor
Morales Oñate, Bolívar
Keywords: CLASIFICACIÓN;CLARA (ALGORITMO);K-MEDOIDES (SOFTWARE);DATOS MIXTOS;CLASSIFICATION;MIXED DATA TYPES;R SOFTWARE
Issue Date: 11-Jun-2019
Publisher: Escuela Superior Politécnica de Chimborazo
Abstract: When a researcher does not have an a priori knowledge of the configuration of groups in a given data set, the need to perform a classification known as unsupervised classification emerges. In addition, the data set can be mixed (qualitative and/or quantitative data) or presented in large volumes. The kmeans algorithm, for example, does not allow the comparison of mixed data and is limited to a maximum of 65536 objects in the R software. K-medoids, on the other hand, allows the comparison of mixed data but also has the same limitation of objects that k-means does. The traditional CLARA algorithm can easily exceed this volume limitation, but it does not allow the comparison of mixed data. In this context, this work is an extension of the CLARA algorithm for mixed data, the CLARABD algorithm. Gower distance is central in CLARABD to make this extension, because it allows the comparison of Mixed data and it is also possible to process a data set with more than 65536 observations. To show the benefits of the proposed algorithm, a simulation process has been carried out as well as an application to real data, obtaining consistent results in each case.
Description: Cuando el investigador no cuenta con un conocimiento apriori de la conformación de grupos en un conjunto de datos dado, emerge la necesidad de realizar una clasificación conocida como clasificación no supervisada. Además, el conjunto de datos puede ser mixto (datos cualitativos y/o cuan- titativos) o presentarse en grandes volúmenes. El algoritmo k-medias, por ejemplo, no permite la comparación de datos mixtos y está limitado a un máximo de 65536 objetos en el software R. K-medoides, por su parte, permite la comparación de datos mixtos pero también tiene la misma limitación de objetos que k-medias. El algoritmo CLARA tradicional puede exceder fácilmente este limitante de volúmenes, pero no permite la comparación de datos mixtos. En este contexto, este trabajo es una extensión del algoritmo CLARA para datos mixtos, el algoritmo CLARABD. La distancia de Gower es central en CLARABD para realizar esta extensión, debido a que permite la comparación de datos mixtos y también es posible procesar un conjunto de datos con mas de 65536 observaciones. Para mostrar las bondades del algoritmo propuesto, se ha realizado un proceso de simulación así como una aplicación a datos reales obteniendo resultados consistentes en cada caso.
URI: http://dspace.espoch.edu.ec/handle/123456789/11225
Appears in Collections:Número 22, Vol.2 (Julio - Diciembre 2019)

Files in This Item:
File Description SizeFormat 
per_n22_v2_13.pdf1,35 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.