ESTUDIO COMPARATIVO DEL ALGORITMO K_MEANS PARA DISTINTAS DISTANCIAS EN ESPACIOS MÉTRICOS

Vista sencilla de ítem
dc.contributor.authorCrespo Díaz, Marcos
dc.date.accessioned2023-07-12T12:00:16Z
dc.date.available2023-07-12T12:00:16Z
dc.date.issued2023-07-12
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: María Jesús Algar Díaz
dc.description.abstractEl 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.identifier.urihttps://hdl.handle.net/10115/22605
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rightsCreative Commons Atribución 4.0 Internacional
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/legalcode
dc.subjectK-Means
dc.subjectCiencia de datos
dc.subjectData Science
dc.subjectDistancias
dc.subjectEspacios métricos
dc.subjectEuclídea
dc.subjectManhattan
dc.subjectMinkowski
dc.subjectChebysev
dc.subjectPython
dc.subjectEstudio comparativo
dc.titleESTUDIO COMPARATIVO DEL ALGORITMO K_MEANS PARA DISTINTAS DISTANCIAS EN ESPACIOS MÉTRICOS
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
2022-23-ETSII-A-2347-2347036-m.crespo.2019-MEMORIA.pdf
Tamaño:
1.35 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG
Descargar

Colecciones

Trabajos Fin de Grado