Distancias euclidianas y estadísticas para algoritmos no-supervisados

BB.png

INSCRIBETE AL CURSO

BB2.png

Objetivos



Estudiar los fundamentos matemáticos necesarios para comprender con detalle tres algoritmos de aglomeración.

Familiarizar al estudiante con algunas ideas útiles para la interpretación de los resultados de los algoritmos de aglomeración.

Invitar al estudiante a una comparación teórica de los tres algoritmos de aglomeración elegidos.





Temario



Fundamentos matemáticos y estadísticos

Axiomas básicos de la probabilidad

Independencia estadística y condicionales

Esperanza, varianza y correlación

Ley de los grandes números

K-means y sus variantes

Repaso sobre distancias euclidianas

K-NN: una versión supervisada

K-means

K-medians

Aglomeración de gaussianas

La distancia de Mahalanobis

Interpretación geométrica y estadística

Mezcla de gaussianas

Aglomeración

Kamila

Hipótesis estadísticas

Relación con los otros algoritmos

Generalizaciones

TEMARIO