Please enable JavaScript.

Coggle requires JavaScript to display documents.

ANÁLISIS - Coggle Diagram

- - - - Las mismas variables en un conjunto bien clasificado, en el que disponemos de una muestra de entrenamiento
      - Clasificación
        
        Enfoque de Mahanalobis
        
        Calcula distancias de las observaciones que queremos clasificar, desde los centros de los conjuntos definidos. Clasificación de nuevos grupos.
        
        Enfoque de Fisher
        
        Función discriminante combinación lineal de variables originales
  - - - Aplicamos una buena regla
      - Tasa de error aparente.- Clasifica todos los datos de la muestra de
      - Entrenamiento y cuenta los casos de clasificación errónea.
      - Error por debajo del real, es “optimista”
      - Tasa sobre la frecuencia relativa de error
      - Tasa de error por validación cruzada
      - Las variables son buenas, separan claramente los individuos de los grupos
    - - Matriz de covarianzas sean iguales en los dos grupos
      - La distribución de los datos sea normal.
- - - - Identificar grupo de individuos con características comunes en base a observación de varias variables en cada uno de ellos
      - Clasificación
        
        Método Jerárquico o Cluster Jerárquico:
        
        Secuencia de particiones, juntando o separando clusters. Las variables se juntan o separan siguiendo algún criterio en especifico.
        
        Método Anglomerativo
        
        Método Divisivo
        
        Método basado en participaciones
        
        Participación en un número especificado de grupos siguiendo criterio de optimización.
        
        Kmedias
        
        Separa las observaciones en K clusters, de modo que cada dato pertenece a un grupo y sólo a uno.