Clasificación no supervisada con datos mixtos

Autores
Stimolo, María Inés; Iglesias, Maximiliano; Guardiola, Mariana
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Iglesias, Maximiliano. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
La clasificación de datos en grupos homogéneos representa una tarea que permite describir grupos con características particulares. El método particionantes k–medias sólo se aplica con datos numéricos, Huang (1997) propone el algoritmo k-modas para variables categóricas, también presenta el algoritmo k–prototipos que incluye tanto a variables numéricas como categóricas. Teniendo en cuenta las particularidades de estos algoritmos, se muestran distintas estrategias para determinar perfiles de estudiantes de un curso de estadística de la Facultad de Ciencias Económicas de la Universidad Nacional de Córdoba. Se comparan las estrategias de agrupamiento utilizando los índices de validación externa Rand y ARI, seleccionando el algoritmo k–prototipos, a partir del cual se determinaron perfiles de estudiantes de las cohortes 2015-2019.
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Iglesias, Maximiliano. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Matemática Aplicada
Materia
Aprendizaje automático
Clasificación no supervisada
Datos mixtos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/557344
Acceder
id RDUUNC_1e35131ca844f046c439ee71bfa8ce4d
oai_identifier_str oai:rdu.unc.edu.ar:11086/557344
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Clasificación no supervisada con datos mixtosStimolo, María InésIglesias, MaximilianoGuardiola, MarianaAprendizaje automáticoClasificación no supervisadaDatos mixtoshttps://purl.org/becyt/ford/5.3Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Fil: Iglesias, Maximiliano. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.La clasificación de datos en grupos homogéneos representa una tarea que permite describir grupos con características particulares. El método particionantes k–medias sólo se aplica con datos numéricos, Huang (1997) propone el algoritmo k-modas para variables categóricas, también presenta el algoritmo k–prototipos que incluye tanto a variables numéricas como categóricas. Teniendo en cuenta las particularidades de estos algoritmos, se muestran distintas estrategias para determinar perfiles de estudiantes de un curso de estadística de la Facultad de Ciencias Económicas de la Universidad Nacional de Córdoba. Se comparan las estrategias de agrupamiento utilizando los índices de validación externa Rand y ARI, seleccionando el algoritmo k–prototipos, a partir del cual se determinaron perfiles de estudiantes de las cohortes 2015-2019.Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Fil: Iglesias, Maximiliano. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Matemática Aplicadahttps://orcid.org/0000-0001-7277-1638https://orcid.org/0000-0002-8957-83212020-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf978-987-47251-1-0http://hdl.handle.net/11086/557344spahttps://drive.google.com/file/d/15CwYq_Agsmt2fGhfzaxriGGv6t8AIA8d/viewinfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:43:47Zoai:rdu.unc.edu.ar:11086/557344Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:43:47.235Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Clasificación no supervisada con datos mixtos
title Clasificación no supervisada con datos mixtos
spellingShingle Clasificación no supervisada con datos mixtos
Stimolo, María Inés
Aprendizaje automático
Clasificación no supervisada
Datos mixtos
title_short Clasificación no supervisada con datos mixtos
title_full Clasificación no supervisada con datos mixtos
title_fullStr Clasificación no supervisada con datos mixtos
title_full_unstemmed Clasificación no supervisada con datos mixtos
title_sort Clasificación no supervisada con datos mixtos
dc.creator.none.fl_str_mv Stimolo, María Inés
Iglesias, Maximiliano
Guardiola, Mariana
author Stimolo, María Inés
author_facet Stimolo, María Inés
Iglesias, Maximiliano
Guardiola, Mariana
author_role author
author2 Iglesias, Maximiliano
Guardiola, Mariana
author2_role author
author
dc.contributor.none.fl_str_mv https://orcid.org/0000-0001-7277-1638
https://orcid.org/0000-0002-8957-8321
dc.subject.none.fl_str_mv Aprendizaje automático
Clasificación no supervisada
Datos mixtos
topic Aprendizaje automático
Clasificación no supervisada
Datos mixtos
purl_subject.fl_str_mv https://purl.org/becyt/ford/5.3
dc.description.none.fl_txt_mv Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Iglesias, Maximiliano. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
La clasificación de datos en grupos homogéneos representa una tarea que permite describir grupos con características particulares. El método particionantes k–medias sólo se aplica con datos numéricos, Huang (1997) propone el algoritmo k-modas para variables categóricas, también presenta el algoritmo k–prototipos que incluye tanto a variables numéricas como categóricas. Teniendo en cuenta las particularidades de estos algoritmos, se muestran distintas estrategias para determinar perfiles de estudiantes de un curso de estadística de la Facultad de Ciencias Económicas de la Universidad Nacional de Córdoba. Se comparan las estrategias de agrupamiento utilizando los índices de validación externa Rand y ARI, seleccionando el algoritmo k–prototipos, a partir del cual se determinaron perfiles de estudiantes de las cohortes 2015-2019.
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Iglesias, Maximiliano. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Matemática Aplicada
description Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
publishDate 2020
dc.date.none.fl_str_mv 2020-11
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 978-987-47251-1-0
http://hdl.handle.net/11086/557344
identifier_str_mv 978-987-47251-1-0
url http://hdl.handle.net/11086/557344
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://drive.google.com/file/d/15CwYq_Agsmt2fGhfzaxriGGv6t8AIA8d/view
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618965134868480
score 13.069144

Publicaciones similares