Cluster Jerárquicos: Estrategia aglomerativa vs divisiva

por | Mar 17, 2018 | Aprendizaje automático | 1 Comentario

Los métodos jerárquicos tratan de crear grupos de elementos homogéneos entre sí y heterogéneos entre grupos, para conseguirlo principalmente se puede hacer mediante estrategia aglomerativa o divisiva.

Ejemplo de distribución de elementos para clustering

Ejemplo de distribución de elementos

Estrategia Aglomerativa

Las estrategias aglomerativas parten de un conjunto de elementos individuales y van juntando los elementos que más se parezcan hasta quedarse con un número de clusters que se considere óptimo.

La complejidad computacional de estos métodos es muy alta del orden de n^3, aunque existen algoritmos que han reducido esta complejidad como se verá posteriormente.

Cluster aglomerativo

Cluster aglomerativo

Estrategia Divisiva

Las estrategias divisivas parten del conjunto de elementos completos y se van separando los grupos que más diferentes sean entre ellos hasta quedarse con un número de clusters que se considere óptimo.

La complejidad computacional de estos métodos es muy alta del orden de 2^n, aunque existen algoritmos que han reducido esta complejidad como se verá posteriormente.

Cluster divisivo

Cluster divisivo

1 Comentario

  1. Solange

    Buen día, ¿Qué ventajas o desventajas tiene cada estrategia? y ¿Cómo saber cuándo utilizar cada uno?

    Responder

Enviar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *