Publicación:
Ejemplo práctico con Python

dc.contributor.authorUCompensar
dc.date.accessioned2025-05-05T13:21:46Z
dc.date.available2025-05-05T13:21:46Z
dc.date.issued2025-05-02
dc.descriptionPara el análisis no supervisado, aplicaremos técnicas de reducción de dimensionalidad como PCA (Análisis de Componentes Principales) para reducir el número de variables y mejorar la visualización. Luego, utilizaremos un algoritmo de clustering como K-means para agrupar los datos. Visualizaremos los clusters resultantes.
dc.description.versionPrimera
dc.format.duration00:03:38
dc.identifier.urihttps://repositoriocrai.ucompensar.edu.co/handle/compensar/5489
dc.language.isospa
dc.publisher.providerCountryISO 3166
dc.relationhttps://player.vimeo.com/video/1045732005?
dc.subject.unescomineria de datos
dc.subject.unescorecuperación de datos
dc.subject.unescobúsqueda de datos
dc.titleEjemplo práctico con Python
dc.type.driverinfo:eu-repo/semantics/other
dspace.entity.typePublication
lom.aggregationLevelMuy alto
lom.metadataSchemaCEM 2.0
lom.statusFinalizado
lom.structureatomic

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
miniatura.jpg
Tamaño:
49.52 KB
Formato:
Joint Photographic Experts Group/JPEG File Interchange Format (JFIF)

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
15.18 KB
Formato:
Item-specific license agreed upon to submission
Descripción:

Colecciones