Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

Ejercicios de Clusterizacion, Ejercicios de Inteligencia Artificial

Ejercicios de Clusterizacion en Aprendizaje no supervisado

Tipo: Ejercicios

2024/2025

Subido el 16/07/2025

deybby-rsr
deybby-rsr 🇩🇴

2 documentos

1 / 11

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
pf3
pf4
pf5
pf8
pf9
pfa

Vista previa parcial del texto

¡Descarga Ejercicios de Clusterizacion y más Ejercicios en PDF de Inteligencia Artificial solo en Docsity!

Iniciamos normalizando las caracteristicas a 0 y 1 Primero identificamos el valor mínimo y máximo de cada columna Luego empleando la siguiente formula en toda la tabla, por cada uno de los valores: (valor – mínimo) / (máximo – mínimo) Esta formula se aplica en cada columna individualmente, proporcionando los siguientes valores: Ahora comenzaremos con:

Como no obtenemos los mismo clusters, volvemos a hacer otra iteración

Como no obtenemos los mismos clusters, hacemos otra iteración

Hacemos la segunda iteración para comprobar si se parecen

Como no se parecen, continuamos

Calculamos la distancia euclidiana de cada uno de los valores, comparándolos con sus vecinos de la siguiente forma, debemos de obtener un total de 16 de las siguientes tablas En base a los True que obtenemos, hacemos un conteo, y esos serian los vecinos que tendrían

Filtramos por aquellos que son mayores o iguales que 2, esos serian nuestros puntos núcleos, los que usaremos, los que son menores no nos funcionan Finalmente, obtenemos los puntos núcleos, y ahora debemos de revisar en cada lista, si ese vecino ese punto núcleo lo visita, y así se va formando un cluster, hacemos lo mismo por cada uno, quedando de la siguiente manera: Ahora simplemente quedaría, traducir las coordenadas y ya finalizamos nuestro trabajo identificando los valores que pertenecen a cada clusters