Propuesta de algoritmos para aglomeración jerárquica de datos longitudinales y/o grandes volúmenes de datos, bajo condición de existencia de observaciones repetidas.
Supervisor(es): Goyeneche, Juan José - Vernazza, Elena
Resumen:
El propósito del trabajo es presentar un procedimiento de segmentación aglomerativo jerárquico que en determinadas condiciones permite reducir sustancialmente la dimensión de las matrices de distancia que se utilizan para la implementación del mismo. Esto posibilita manipular y analizar un mayor volumen de datos, lo que generalmente es una limitación operativa que se presenta. A su vez, se trabaja con datos provenientes de trayectorias secuenciales, que se caracterizan por ser de índole cualitativos, presentando repeticiones de las observaciones. Bajo estas condiciones de volumen y naturaleza de las observaciones, se evalúa y propone una técnica que permite el tratamiento de datos longitudinales tratados como datos categóricos, y una metodología de segmentación a partir de las características antes mencionadas.
| 2020 | |
|
Aglomerativo jerárquico Agnes Cluster Optimal matching analysis Segmentación ESTADISTICA COMPUTACIONAL ANALISIS DE CONGLOMERADOS ALGORITMOS DE AGRUPAMIENTO DATOS LONGITUDINALES TRAYECTORIAS ESTUDIANTILES MINERIA DE DATOS |
|
| Español | |
| Universidad de la República | |
| COLIBRI | |
| https://hdl.handle.net/20.500.12008/37091 | |
| Acceso abierto | |
| Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
