Análisis Multivariante
Métodos de clasificación
Jerárquico
Análisis discriminante
K-medias
Análisis Clúster
Algoritmo: jerárquico, divisivo aglomerado
Medibles (características)
No se conoce el grupo a priori
Esquema de procesos
Se selecciona el algoritmo de clasificación
Se determina el número de clústers
Definir criterio de similar dad para la matriz
Limitaciones: descriptiva y no es generalizable ya que depende de las medidas
Reducción de datos
Técnicas multivariantes
Correspondencias
Clúster Jerárquico
Básicamente se hace más amplio y se determina la homogeneidad
Info de las tablas son menos
Facotrial
Reducir valor-p
Nuevas variables
Distancia entre clústeres
Conjuntos hasta que quede 1
Principal Comonent Analisis (PCA)
Para reducir dimensiones, el número de variables manteniendo la info de dicho conjunto
Los 5 pasos
Calcular los eigenvectores y eigen valores
Crear el vector futuro y decidir
Calcular la matriz de covarianza
"modificar" la forma (con la misma info) de la información con los componentes principales
Estandariza los rangos
Diana Aguilar
A01733009