Fecha
2019-10-14
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias
Citas
0 citas en 
0 citas en 
Resumen
En el presente trabajo se exponen las principales técnicas de regularización en el aprendizaje estadístico para sistemas de alta dimensión (𝑝≫𝑛) asumiendo la consideración de dispersión (sparsity), y su implementación en los más comunes métodos de agrupamiento (clustering), como son el agrupamiento jerárquico y el agrupamiento k-medias, (k-means) ilustrando su aplicación con ejemplos realizados en R.
In this paper, the main techniques of regularization in statistical learning for high-dimensional systems (𝑝≫𝑛) are shown, assuming the consideration of sparsity, and its implementation in the most common clustering methods, such as hierarchical clustering and k-means clustering. Illustrating its application with examples developed in R language.
In this paper, the main techniques of regularization in statistical learning for high-dimensional systems (𝑝≫𝑛) are shown, assuming the consideration of sparsity, and its implementation in the most common clustering methods, such as hierarchical clustering and k-means clustering. Illustrating its application with examples developed in R language.
Descripción
Categorías UNESCO
Palabras clave
clustering, elastic net, LASSO, hierarchical clustering, high-dimensional statistic, k-means clustering, R, regularization methods, ridge, sparse systems, statistic learning
Citación
Centro
Facultades y escuelas::Facultad de Ciencias
Departamento
Matemáticas Fundamentales