VLC cumple 20 años. Que algo así sobreviva todo ese tiempo y siga siendo tan relevante dice mucho del trabajo hecho por esta gente. Cuando monto algún sistema nuevo suele ser de las primeras cosas que instalo. Últimamente he hablado sobre proyectos con licencias permisivas y el uso que le… Leer más »PyboEnlaces de la semana (2021-02-01 a 2021-02-07)
Un lago cambia de color verde a rojo en semanas. Kerry Emanuel, un pope en esto de la meteorología, ha sacado un artículo en el que carga, un poco con razón, contra el conocimiento únicamente extraído de los datos y dejando de lado otras formas de hacer ciencia. Ryan Abernathey… Leer más »PyboEnlaces (2020-06-28 a 2020-07-05)
Manifiesto de los pequeños grandes datos. La clasificación de climas de Köppen explicado y aplicada a la Península Ibérica e islas Baleares. ¿Una biblioteca para analizar huracanes y tifones y hecha en Python y con un nombre molón? Marchando. Convierte modelos de aprendizaje automático para que corran en GPU en… Leer más »PyboEnlaces (2020-06-22 a 2020-06-28)
(Este es el tercer capítulo de la mini-serie de artículos sobre análisis cluster que estamos haciendo en pybonacci, si todavía no has leído los anteriores artículos les puedes echar un ojo ahora. Escribir esta tercera parte solo ha tardado ¡¡¡tres años en salir!!!).El algoritmo de k-medias es uno de los… Leer más »Análisis Cluster (III): Clasificación no supervisada mediante K-medias
Puedes ver este notebook en su propio formato y lo puedes descargar aquí.
En la entrada anterior, Introducción a Machine Learning con Python (Parte 1), di unas pequeñas pinceladas sobre lo que es el Aprendizaje Automático con algunos ejemplos prácticos. Ahora vamos a adentrarnos en materia de un modo más estructurado viendo paso a paso algunas de las técnicas que podemos emplear en… Leer más »Introducción a Machine Learning con Python (Parte 2)
Desde que escuché hablar de Kaggle por primera vez, precisamente a través de Pybonacci, me entró curiosidad por eso del data science y me propuse como un reto el participar en una de sus competiciones. Para aquel que no la conozca todavía, Kaggle es una plataforma que aloja competiciones de análisis… Leer más »Introducción a Machine Learning con Python (Parte 1)
(Este es el segundo capítulo de la mini-serie de artículos sobre análisis cluster que estamos haciendo en pybonacci, si todavía no has leído el artículo inicial échale un ojo ahora).
Como vimos anteriormente, existen diferentes formas de hacer clustering y, como también comentamos anteriormente, una de las más habituales es el clustering jerárquico.
El clustering jerárquico asociativo pretende, partiendo de m observaciones, ir encontrado agrupaciones de forma jerarquizada. Para ello, primero busca similitudes entre las observaciones y después procura asociar en grupos o ‘clusters’ las observaciones que se encuentran ‘más cercanas’ o presentan mayor similitud.
Si os acordáis, en el primer capítulo de esta mini-serie, entrecomillamos la palabra ‘similitud’. Vamos a ver qué significa esto de similitud en general y en nuestro ejemplo concreto (ver capítulo anterior de la serie para conocer el ejemplo). Dependiendo del problema concreto necesitaremos asociar las variables para poder medir como son de similares o a qué distancia se encuentran entre sí. Estas medidas de asociación (similitud o distancia) dependerán del problema concreto con el que nos encontremos y no se usaría lo mismo para variables booleanas, binarias, reales,… Gracias al módulo scipy.spatial.distance podemos ver muchas de estas medidas de asociación en las que no voy a entrar en detalle. Un resumen de la mayoría de ellas lo podéis ver en el siguiente enlace del profesor José Ángel Gallardo San Salvador, nuevamente. En el ejemplo propuesto usaremos la correlación como medida de asociación ya que es una medida invariante aunque las variables se escalen y/o se les sumen/resten parámetros (algo muy útil para el caso que nos ocupa).
Leer más »Análisis Cluster (II): Clasificación no supervisada mediante clasificación jerárquica aglomerativa
Vamos a empezar una mini-serie de artículos sobre clasificación no supervisada que dividiré, en principio, en tres capítulos. En este primer capítulo no vamos a ver nada de python (oooooohhhhh) pero creo que es necesario dividirlo así para no hacerlos excesivamente pesados y largos y para introducir un poco la teoría de forma muy somera. ¿Vamos al lío?
Una de las actividades más propias del ser humano consiste en clasificar ‘cosas’ en clases o categorías (¡¡nos encanta etiquetar!!). Esto nos permite simplificar la inmensa cantidad de información que nos está llegando en todo momento:
A lo largo de todo el texto de esta mini-serie usaré términos tanto en español como en inglés puesto que, normalmente, la terminología anglosajona es también la más habitual en los textos en español.
Brevísima introducción teórica
El análisis cluster es el nombre genérico que recibe un tipo de procedimientos de aprendizaje NO supervisado (unsupervised learning) usados para crear clasificaciones o agrupaciones. De forma más detallada, se podría decir que consiste en procedimientos de clasificación no supervisada (no existe una información previa) sobre una muestra de ‘individuos’ que intenta reorganizarlos en grupos que pretenden ser homogéneos. Estos grupos son los que se conocen como ‘clusters’ y esta es la palabra que usaremos a lo largo del presente texto puesto que es la más ampliamente usada en la literatura tanto en inglés, obviamente, como en español.
Leer más »Análisis cluster (I): Introducción
Esta entrada también se podría haber llamado: ‘Reducción de la dimensión’ ‘Comprimiendo imágenes usando análisis de componentes principales y python’ Para la siguiente entrada se ha usado python 3.8.2, numpy 1.18.4, matplotlib 3.2.1 y sklearn 0.23.1El análisis de componentes principales (PCA, por sus siglas en inglés, Principal Component Analysis) es… Leer más »Análisis de componentes principales con python