Aplicación del clustering Aplicación del clustering .pptx
- 1. Clustering ¿Qué es la clasificación en Machine Learning?
- 2. Clustering • Consiste en agrupar ítems en grupos con características similares y se utiliza para determinar patrones climáticos, agrupar artículos por temas o para segmentar clientes.
- 3. Clasificación • Es una técnica usada en Machine Learning (aprendizaje automático) para que las computadoras puedan predecir a qué grupo o categoría pertenece un objeto, basándose en datos anteriores. • Los datos que se usan para entrenar el modelo pueden tener etiquetas (clasificación supervisada) o no tenerlas (clasificación no supervisada).
- 4. Tipos de clasificación • Supervisada: El modelo aprende a partir de datos que ya están etiquetados. Es como darle al modelo fotos de perros y gatos, diciéndole cuál es cuál, para que después pueda identificar nuevas fotos. • No supervisada: Aquí no se le da etiquetas al modelo. En vez de decirle qué es un perro o un gato, el modelo intenta agrupar los datos por su cuenta, basándose en similitudes. • Semi-supervisada: Algunos datos están etiquetados y otros no. El modelo usa las etiquetas que tiene para mejorar su agrupamiento de los datos sin etiquetar.
- 5. Clasificación supervisada • Detección de spam en correos electrónicos: Se entrena un modelo con correos electrónicos etiquetados como "spam" o "no spam". • Una vez entrenado, el modelo puede predecir si un nuevo correo es spam. • Diagnóstico médico: Se entrena un modelo con datos de pacientes etiquetados como "enfermo" o "sano". • Después, puede predecir si un nuevo paciente tiene una enfermedad basándose en sus datos médicos.
- 6. Clasificación no supervisada • Agrupación de clientes: En un negocio, los datos de clientes se agrupan automáticamente en segmentos (por ejemplo, jóvenes, adultos, mayores) según patrones de comportamiento sin etiquetas previas. • Agrupación de genes: En biología, se agrupan datos de genes según similitudes en sus características, sin especificar etiquetas.
- 7. Clasificación semi-supervisada • Clasificación de imágenes médicas: Se tiene un pequeño conjunto de imágenes etiquetadas (por ejemplo, "tumor benigno" o "tumor maligno") y muchas imágenes sin etiquetas. • El modelo usa tanto las imágenes etiquetadas como las no etiquetadas para mejorar su predicción. • Reconocimiento de voz: Se tiene un conjunto de grabaciones de voz donde algunas están etiquetadas con lo que se dijo y otras no. • El modelo usa ambas para aprender y mejorar su precisión.
- 8. Algoritmo k-means • Es una técnica para agrupar datos que no tienen etiquetas (clasificación no supervisada). • Este algoritmo agrupa los datos en k grupos, donde k es un número que tú eliges. • Cada grupo tiene un "centro" (centroide), y el algoritmo intenta agrupar los datos alrededor de esos centros.
- 9. k-Means • Uno de los principales algoritmos de clustering • Un algoritmo de clustering muy extendido y que permite entender la técnica de manera sencilla es el k-Means, el cual:
- 10. k-Means • Determina las variables (características o propiedades) que se van a utilizar para agrupar los datos. • Selecciona k centroides (centros de los grupos, clusters o segmentos). La selección del número de centroides k se puede hacer mediante la observación de las muestras o métodos como el del codo (elbow). Este método consiste en la ejecución del algoritmo de clustering k-Means para un rango de valores de k y luego calcula la varianza en la distancia de los miembros del cluster a su centroide, el valor óptimo de k será aquel que satisfaga que un incremento en el número de centroides k no mejore sustancialmente la varianza. • Repite hasta que no haya cambios en los centroides. • Asignar cada muestra al centroide más cercano: se pueden utilizar distintas métricas para calcular la distancia a los centroides (euclídea, Manhattan, similitud de coseno…). • Calcular la media del cluster para determinar centroides más exactos.
- 11. Pasos del algoritmo k-means: • Inicialización: Se eligen aleatoriamente k puntos en los datos, que actuarán como los primeros centros (centroides).
- 12. Pasos del algoritmo k-means: • Asignación: Cada objeto (o punto de datos) se asigna al centroide más cercano.
- 13. Pasos del algoritmo k-means: • Actualización: Los centroides se actualizan, tomando como nuevo centro el promedio de los objetos que se asignaron a cada grupo.
- 14. Ventajas de k-means: • Es rápido y sencillo de usar. • Es útil para agrupar datos que no tienen etiquetas.
- 15. Aplicación del clustering Algunos ejemplos de uso de las técnicas de clustering son: Segmentación de clientes en grupos. Determinar los distintos patrones climáticos de una región. Agrupar artículos o noticias por temas. Descubrir zonas con elevadas tasas de criminalidad.