Perea Luque, Juan Rafael2024-05-202024-05-202019-10-14https://hdl.handle.net/20.500.14468/14399En 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.esinfo:eu-repo/semantics/openAccesstesis de maestríaclusteringelastic netLASSOhierarchical clusteringhigh-dimensional statistick-means clusteringRregularization methodsridgesparse systemsstatistic learning