| dc.contributor.author | Crespo Díaz, Marcos | |
| dc.date.accessioned | 2023-07-12T12:00:16Z | |
| dc.date.available | 2023-07-12T12:00:16Z | |
| dc.date.issued | 2023-07-12 | |
| dc.identifier.uri | https://hdl.handle.net/10115/22605 | |
| dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: María Jesús Algar Díaz | |
| dc.description.abstract | El algoritmo de K-Means es un conocido algoritmo de análisis clúster que se utiliza en diversas áreas de la ciencia de datos desde mediados del S.XX. Sus fundamentos matemáticos son fácilmente entendibles y muy intuitivos existiendo diversas modificaciones que se le pueden hacer al algoritmo para adaptarlo a diferentes situaciones. Factores como la función de distancia para medir la similitud o el espacio métrico donde habitan los puntos a analizar tienen una gran importancia sobre el resultado de la clusterización. El algoritmo se puede implementar para realizar un estudio comparativo de las distintas variaciones que exponemos
y observar bajo qué condiciones se comporta mejor esta técnica. | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Rey Juan Carlos | |
| dc.rights | Creative Commons Atribución 4.0 Internacional | |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/legalcode | |
| dc.subject | K-Means | |
| dc.subject | Ciencia de datos | |
| dc.subject | Data Science | |
| dc.subject | Distancias | |
| dc.subject | Espacios métricos | |
| dc.subject | Euclídea | |
| dc.subject | Manhattan | |
| dc.subject | Minkowski | |
| dc.subject | Chebysev | |
| dc.subject | Python | |
| dc.subject | Estudio comparativo | |
| dc.title | ESTUDIO COMPARATIVO DEL ALGORITMO K_MEANS PARA DISTINTAS DISTANCIAS EN ESPACIOS MÉTRICOS | |
| dc.type | info:eu-repo/semantics/studentThesis | |
| dc.rights.accessRights | info:eu-repo/semantics/openAccess | |
Except where otherwise noted, this item's license is described as Creative Commons Atribución 4.0 Internacional