Método k-medias. [ U n a i n t r o d u c c i ó n ]
|
|
- Mercedes Mendoza Medina
- hace 8 años
- Vistas:
Transcripción
1 Método k-medias [ U n a i n t r o d u c c i ó n ]
2 Método K-Means (Nubes Dinámicas)
3 Tareas de la Minería de Datos Clustering : (clasificación no supervisada, aprendizaje no supervizado): Es similar a la clasificación (discriminación), excepto que los grupos no son predefinidos. El objetivo es particionar o segmentar un conjunto de datos o individuos en grupos que pueden ser disjuntos o no. Los grupos se forman basados en la similaridad de los datos o individuos en ciertas variables. Como los grupos no son dados a priori el experto debe dar una interpretación de los grupos que se forman. Métodos: Clasificación Jerárquica (grupos disjuntos). Nubes Dinámicas k-means (grupos disjuntos). Clasificación Piramidal (grupos NO disjuntos).
4 Análisis de Conglomerados Objetivo: Obtener clases lo más homogéneas posibles y tal que estén suficientemente separadas.
5 Criterio de la Inercia Minimizar la distancia Intra-Cluster Maximizar la distancia Inter-Clusters
6 The K-Means Clustering Method (nubes dinámicas)
7 Criterio de la inercia
8 Ejemplo: Estudiantes Ver NotasEscolaresExcelKMeans.xlsx
9 Definiciones Inercia total de la nube de puntos: Inercia inter-clases, es decir la inercia de los centros de gravedad respecto al centro de gravedad total:
10 Inercia intra-clases, es decir la inercia al interior de cada clase:
11 Teorema: Igualdad de Fisher Inercia total = Inercia inter-clases + Inercia intra-clases
12 Ejemplo: Estudiantes Ver NotasEscolaresExcelKMeans.xlsx
13 Objetivo: Se quiere que B(P) sea máxima y W(P) sea mínima Como la inercia I(P) es fija, dada la nube de puntos, entonces al maximizar B(P) se minimiza automáticamente W(P). Por lo tanto, los dos objetivos (homogeneidad al interior de las clases y separación entre las clases) se alcanzan al mismo tiempo al querer minimizar W(P).
14 Problema combinatorio Es necesario hacer notar que, cuando se quiere obtener una partición en K clases de un conjunto con n individuos, no tiene sentido examinar todas las posibles particiones del conjunto de individuos en K clases. En efecto, se está en presencia de un problema combinatorio muy complejo; sólo para efectos de ilustración, mencionemos que el número de particiones en clases de un conjunto con 60 elementos es aproximadamente 0 8, y para 00 elementos en 5 clases anda por 0 68.
15 Objetivo del Método K-means Así, el objetivo en el método de K-means es encontrar una partición P de W y representantes de las clases, tales que W(P) sea mínima.
16 Método de k-medias Existe un poco de confusión en la literatura acerca del método de las k-medias, ya que hay dos métodos distintos que son llamados con el mismo nombre. Originalmente, Forgy propuso en 965 un primer método de reasignación-recentraje que consiste básicamente en la iteración sucesiva, hasta obtener convergencia, de las dos operaciones siguientes:
17 . Representar una clase por su centro de gravedad, esto es, por su vector de promedios.. Asignar los objetos a la clase del centro de gravedad más cercano.
18 The K-Means Clustering Method (nubes dinámicas)
19
20
21 Cuántos clústeres? Datos originales 6 clústeres clústeres 4 clústeres
22 Cuántos clústeres? k x (inercia intra-clases) El codo indica que k=3 es la cantidad adecuada de clústeres
23 McQueen propone un método muy similar, donde también se representan las clases por su centro de gravedad, y se examina cada individuo para asignarlo a la clase más cercana. La diferencia con el método de Forgy es que inmediatamente después de asignar un individuo a una clase, el centro de ésta es recalculado, mientras que Forgy primero hacía todas las asignaciones y luego recalculaba los centros. Variantes del método de Forgy son propuestas en Francia como Método de Nubes Dinámicas por E. Diday a partir en 967. Es McQueen quien propone el nombre k-means, que se usa hasta la fecha, aún si estos métodos también reciben nombres como nubes dinámicas, centros móviles, o reasignación-recentraje.
24 Método de Forgy
25 Algoritmo: K-means
26 Algoritmo: K-means
27 K-Means Clustering Algorithm
28 Ejemplo de las notas escolares
29 K-means en R
30 K-means en R
31 Ejemplo D: Datos
32 Ploteo de los Datos
33 K-means en R setwd("c:/users/oldemar/google Drive/Curso Mineria Datos II - Optativo/Datos") datos<-read.csv("ejkmeans.csv",sep = ";",header=f) datos plot(datos,pch=9,xlab=expression(x[]),ylab=expression(x[])) grupos<-kmeans(datos, ) points(grupos$centers,pch=9,col="blue",cex=) points(datos,col=grupos$cluster,pch=9) grupos$cluster grupos$centers
34 K-means en R
35 K-means en R setwd("c:/users/oldemar/google Drive/Curso Mineria Datos II - Optativo/Datos") datos<-read.csv("ejkmeans.csv",sep = ";",header=f) datos plot(datos,pch=9,xlab=expression(x[]),ylab=expression(x[])) grupos<-kmeans(datos, 4) points(grupos$centers,pch=9,col="blue",cex=) points(datos,col=grupos$cluster,pch=9) grupos$cluster grupos$centers
36 K-means en R
37 grupos$cluster > grupos$cluster []
38 grupos$centers > grupos$centers V V
39 En RComander
40 En RComander
41 En RComander Comp. Comp V V
42 En RComander
43 Para instalarlo: Con Rattle install.packages("rattle",dependencies =TRUE) Para ejecutarlo: library(rattle) rattle() Sitio WEB:
44 Dr. Graham Williams is the author of the Rattle data mining software and Adjunct Professor, University of Canberra and Australian National University.
45 Interfaz de Rattle
46 Cargando los Datos
47 Generando el modelo k-means
48 Opción Datos
49 Opción Discriminat
50 Algoritmos de Recomendación
51
52
53
54 Tabla con los promedios de evaluación de 00 personas que adquirieron los mismos productos o muy similares
55 K-means en R setwd("c:/users/oldemar/google Drive/Curso Mineria Datos II - Optativo/Datos") datos <- read.csv("c:/users/oldemar/google Drive/Curso Mineria Datos II - Optativo/Datos/EjemploAlgoritmosRecomendación.csv",header=TRUE, sep=";", dec=",", row.names=) datos grupos<-kmeans(datos, 3) grupos$cluster grupos$centers
56 grupos$cluster >grupos$cluster Adam Anna Bernard Edward Emilia Fabian Philip Frank Xavier Gabriel Marisol Henry 3 3 Irene Isabelle Isidore Joseph Eugene Eugenia 3 3 Eunice Eva Evdokia Fedir Felix Fialka 3 3 3
57 grupos$centers > grupos$centers Velocidad.Entrega Precio Durabilidad Imagen.Producto Valor.Educativo Servicio.Retorno Tamano.Paquete Calidad.Producto Numero.Estrellas
58 En RComander
59 En RComander
60 En RComander
61 En RComander
62 Para instalarlo: Con Rattle install.packages("rattle",dependencies =TRUE) Para ejecutarlo: library(rattle) rattle() Sitio WEB:
63 Cargando los Datos
64 Generando el modelo k-means
65 Opción Datos
66 Opción Discriminat
67 Gracias.
EPB 603 Sistemas del Conocimiento
EPB Sistemas del Conocimiento Dr. Oldemar Rodríguez R. Maestría en Administración de la Tecnología de la Información Escuela de Informática Universidad Nacional Capítulo Método K-Means (Nubes Dinámicas)
Más detallesMinería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/
Minería de Datos Web 1 er Cuatrimestre 2015 Página Web http://www.exa.unicen.edu.ar/catedras/ageinweb/ Prof. Dra. Daniela Godoy ISISTAN Research Institute UNICEN University Tandil, Bs. As., Argentina http://www.exa.unicen.edu.ar/~dgodoy
Más detallesTareas de la minería de datos: agrupamiento. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: agrupamiento CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Agrupamiento Agrupamiento (clasificación no supervisada, aprendizaje no supervisado).
Más detallesCIMPA-UCR. Clasificación Automática
CIMPA-UCR Custer anaysis Anáisis de congomerados Anáisis tipoógico Anáisis de grupos Arboes aditivos Jerárquicos Particionamiento Piramidaes No disjuntos Difusos Método
Más detalles(PHP y APACHE), y el programa de comunicación Skype, para controlar de manera
Capítulo 4. Llamada Telefónica En este capítulo se explicará la manera en que se configuraron las herramientas web (PHP y APACHE), y el programa de comunicación Skype, para controlar de manera dinámica
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Estadístico de Datos Climáticos Análisis de agrupamiento (o clusters) (Wilks, Cap. 14) Facultad de Ciencias Facultad de Ingeniería 2013 Objetivo Idear una clasificación o esquema de agrupación
Más detallesMétodos Exploratorios en Minería de Datos
Métodos Exploratorios en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad de Stanford. Duración:
Más detallesMétodos de la Minería de Datos
This is page i Printer: Opaue this Métodos de la Minería de Datos Dr. Oldemar Rodríguez Rojas de noviembre de 2005 ii Contents This is page iii Printer: Opaue this iv This is page v Printer: Opaue this
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesCLASIFICACIÓN NO SUPERVISADA
CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL
Más detallesUnidad 5 Utilización de Excel para la solución de problemas de programación lineal
Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesIntroducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina
Introducción al Data Mining Clases 5 Cluster Analysis Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Cluster Análisis 1 El término cluster analysis (usado por primera
Más detallesBase de datos II Facultad de Ingeniería. Escuela de computación.
Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,
Más detallesUTILIZACIÓN DE RELOJES
UTILIZACIÓN DE RELOJES Para la utilización de Relojes en el Módulo Control de Personal, deberá definir lo que se indica seguidamente: 1- DEFINICION DEL MODELO DE RELOJ Los modelos son utilizados para identificar
Más detalles4. MÉTODOS DE CLASIFICACIÓN
4. MÉTODOS DE CLASIFICACIÓN Una forma de sintetizar la información contenida en una tabla multidimensional (por ejemplo una tabla léxica agregada), es mediante la conformación y caracterización de grupos.
Más detallesSistemas de seguridad en redes inalámbricas: WEP, WAP y WAP2
Sistemas de seguridad en redes inalámbricas: WEP, WAP y WAP2 Calle San Rafael, 14 28108 Alcobendas (Madrid) 902 90 10 20 www.acens.com Introducción Actualmente una de las formas más utilizadas para conectarse
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesQUÉ ES UN NÚMERO DECIMAL?
QUÉ ES UN NÚMERO DECIMAL? Un número decimal representa un número que no es entero, es decir, los números decimales se utilizan para representar a los números que se encuentran entre un número entero y
Más detallesPROYECTOS, FORMULACIÓN Y CRITERIOS DE EVALUACIÓN
PROYECTOS, FORMULACIÓN Y CRITERIOS DE EVALUACIÓN GESTIÓN DE PROYECTOS CON PLANNER AVC APOYO VIRTUAL PARA EL CONOCIMIENTO GESTIÓN DE PROYECTOS CON PLANNER Planner es una poderosa herramienta de software
Más detallesUNAM ESCUELA NACIONAL DE ESTUDIOS PROFESIONALES CAMPUS ACATLAN TEMAS SELECTOS DE CÓMPUTO VILLANUEVA ARREGUÍN AZAEL
UNAM ESCUELA NACIONAL DE ESTUDIOS PROFESIONALES CAMPUS ACATLAN TEMAS SELECTOS DE CÓMPUTO VILLANUEVA ARREGUÍN AZAEL Mas a todos los que le recibieron, a los que creen en su nombre, les dio potestad de ser
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es
Más detallesREDES INFORMATICAS: Protocolo IP
REDES INFORMATICAS: Protocolo IP 1. PRINCIPIOS BÁSICOS DE IP El protocolo IP se basa en tres principios básicos: Un direccionamiento de los ordenadores. Un tipo de dato: el datragrama IP. Un algoritmo
Más detallesTécnicas de prueba 1. FUNDAMENTOS DE LA PRUEBA DEL SOFTWARE
Técnicas de prueba El desarrollo de Sistemas de software implica la realización de una serie de actividades predispuestas a incorporar errores (en la etapa de definición de requerimientos, de diseño, de
Más detallesAlmacenamiento virtual de sitios web HOSTS VIRTUALES
Almacenamiento virtual de sitios web HOSTS VIRTUALES El término Hosting Virtual se refiere a hacer funcionar más de un sitio web (tales como www.company1.com y www.company2.com) en una sola máquina. Los
Más detallesSCOP++ Lidar. Metodología de filtrado
SCOP++ Lidar. Metodología de filtrado 1 Contenido 1 Estrategia de filtrado y clasificación... 4 Eliminate Building Step (eliminación de edificios)... 5 Thin Out Step (reducción de densidad del fichero
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detalles6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3)
6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) - Resultados y conclusiones Las tres variables contribuyen significativamente a caracterizar las clases de
Más detallesAcronis License Server. Guía del usuario
Acronis License Server Guía del usuario TABLA DE CONTENIDO 1. INTRODUCCIÓN... 3 1.1 Generalidades... 3 1.2 Política de licencias... 3 2. SISTEMAS OPERATIVOS COMPATIBLES... 4 3. INSTALACIÓN DE ACRONIS LICENSE
Más detallesEL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO
EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,
Más detallesEjemplos de conversión de reales a enteros
Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesCiclo de vida y Metodologías para el desarrollo de SW Definición de la metodología
Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología La metodología para el desarrollo de software es un modo sistemático de realizar, gestionar y administrar un proyecto
Más detallesRedes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Más detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detallesDiseño Estructurado de Algoritmos
Diseño Estructurado de Algoritmos 1 Sesión No. 5 Nombre: Primitivas para el diseño de instrucciones. Segunda parte. Objetivo de la sesión: Al concluir la sesión el estudiante identificará las diferentes
Más detallesCapitulo V Administración de memoria
Capitulo V Administración de memoria Introducción. Una de las tareas más importantes y complejas de un sistema operativo es la gestión de memoria. La gestión de memoria implica tratar la memoria principal
Más detallesValoración de inventario a precio medio.
Valoración de inventario a precio medio. Consideraciones sobre el cierre de Inventario de Axapta. Microsoft Axapta 3.0 SP2 y posteriores. El propósito de tener un cierre multiusuario es resolver dos asuntos
Más detallesDirecciones IP IMPLANTACIÓN DE SISTEMAS OPERATIVOS 1º ASIR. En redes IPv4.
Direcciones IP En redes IPv4. IMPLANTACIÓN DE SISTEMAS OPERATIVOS Cada ordenador en Internet dispone de una dirección IP única de 32 bits. Estos 32 bits,o 4 bytes, se representan normalmente como se muestra
Más detallesTema: INSTALACIÓN Y PARTICIONAMIENTO DE DISCOS DUROS.
1 Facultad: Ingeniería Escuela: Electrónica Asignatura: Arquitectura de computadoras Lugar de ejecución: Lab. de arquitectura de computadoras, edif. de electrónica. Tema: INSTALACIÓN Y PARTICIONAMIENTO
Más detalles+ f - 2.0 3.4 5.2 6.7 8.0 9.2 1.7 2.3 2.9 3.6 4.3 5.0 2.0 2.5 3.6 4.9 6.1 7.3 2.0 2.9 4.6 5.7 6.9 8.0 2.5 2.2 7.5 3.9 5.6 7.4 9.
MOVER - M A TIEMPO B EN TMU C Mano en Mov. en B. PESO CORRECCIÓN DE PNE- LBS. Hasta Factor Constante TMU CASO Y DESCRIPCIÓN
Más detallesCarta Técnica VS Control Total Versión 2014
Carta Técnica VS Control Total Versión 2014 Introducción Las Cartas Técnicas tienen como finalidad mantenerlo informado sobre el alcance de la última versión del sistema VS Control Total, así como de la
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detalles4 Análisis de los principales factores AsociAdos A los resultados en ciencias
cuada en relación con las posibles futuras profesiones de los estudiantes vinculadas a las ciencias. En segundo lugar, los alumnos opinan que las dificultades en el aprendizaje del nuevo conocimiento científico
Más detallesMINERIA DE DATOS Y Descubrimiento del Conocimiento
MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de
Más detallesInteligencia de Negocio
UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 1:
Más detallesRESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de
Más detallesEJEMPLO PRÁCTICO DE CÁLCULO DEL VALOR DE VIDA DEL CLIENTE (VVC) O LIFE TIME VALUE (LTV)
APARTADO Nº: 6 DIAPOSITIVA Nº: 2 PRÁCTICA Nº 2: Ejemplo práctico de cálculo del Valor de Vida del Cliente (VVC) o Life Time Value (LTV) EJEMPLO PRÁCTICO DE CÁLCULO DEL VALOR DE VIDA DEL CLIENTE (VVC) O
Más detallesEl Auditor y la organización
Unidad 1 El Auditor y la organización Erika Valenzuela Felix ITI9-3 Hermosillo, Sonora. Agosto 2015 Dir: Agua dura #3 Col. Altares, Cel: 6623161983 Email: valeery.vv@gmail.com Índice Introducción 3 Interpretación
Más detallesLECCIÓN 4. SEGUIMIENTO DEL PROGRESO DEL PROYECTO.
LECCIÓN 4. SEGUIMIENTO DEL PROGRESO DEL PROYECTO. Una vez que se ha terminado de definir el proyecto, que las tareas están acotadas en duración, vinculaciones y fechas, y se han asignado a las mismas recursos
Más detallesSoluciones Informáticas para la Gestión de la Calidad c/vicente Aleixandre nº 10 4º H, 15009 A CORUÑA Telf: 981 133 207 / 616 145 723 info@spuch.
MANUAL DE USUARIO Índice Índice... 2 Introducción... 2 Pantalla inicial... 3 Conectar las bases de datos... 4 Periodicidad de sincronización... 6 Reglas de sincronización... 7 Ejecutar consultas SQL...
Más detallesPráctica 5. Curso 2014-2015
Prácticas de Seguridad Informática Práctica 5 Grado Ingeniería Informática Curso 2014-2015 Universidad de Zaragoza Escuela de Ingeniería y Arquitectura Departamento de Informática e Ingeniería de Sistemas
Más detallesANALISIS DE BITACORAS POR METODO RELACIONAL- PROBABILISTICO EN SISTEMAS CON COMPORTAMIENTO CAUSA-EFECTO
ANALISIS DE BITACORAS POR METODO RELACIONAL- PROBABILISTICO EN SISTEMAS CON COMPORTAMIENTO CAUSA-EFECTO Omar Fernando Mata Hurtado Mexico Software Lab TestCenter IBM Guadalajara Resumen El presente artículo
Más detallesAlternativa Seleccionada a Desarrollar en Proyecto de Titulación. Integración de sensores en bastón de no videntes para advertir obstáculos cercanos
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA DEPARTAMENTO DE ELECTRÓNICA Alternativa Seleccionada a Desarrollar en Proyecto de Titulación Integración de sensores en bastón de no videntes para advertir obstáculos
Más detallesSistemas Operativos. Sesión 5: Protocolos de enrutamiento vector distancia
Sistemas Operativos Sesión 5: Protocolos de enrutamiento vector distancia Contextualización Los protocolos de información de enrutamiento tienen la función de determinar cuál es la ruta adecuada que deben
Más detallesMovimiento Rectilíneo Uniforme
Movimiento Rectilíneo Uniforme 1. Teoría La mecánica es la parte de la física encargada de estudiar el movimiento y el reposo de los cuerpos, haciendo un análisis de sus propiedades y causas. La mecánica
Más detallesCOMUNICADO Nro. 49763 08/11/2010. Ref.: Tarjetas de crédito. Tasas y costos promedio de las tarjetas de crédito a agosto de 2010. Tarjetas de Crédito
"2010 - AÑO DEL BICENTENARIO DE LA REVOLUCION DE MAYO" COMUNICADO Nro. 49763 08/11/2010 Ref.: Tarjetas de crédito. Tasas y costos promedio de las tarjetas de crédito a agosto de 2010. Tarjetas de Crédito
Más detallesMICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO
MICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO EJERCICIO 1 Primero analizamos el equilibrio bajo el monopolio. El monopolista escoge la cantidad que maximiza sus beneficios; en particular, escoge la cantidad
Más detallesInstructivo Plataforma Payroll Proceso de Evaluación de Desempeño
Dirección de Desarrollo de Personas Instructivo Plataforma Payroll Proceso de Evaluación de Desempeño Dirección de Desarrollo de Personas Vicerrectoría de Administración y Asuntos Económicos Al ingresar
Más detallesAplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesSOFTWARE & SYSTEMS PROCESS ENGINEERING METAMODEL SPECIFICATION V.20 SPEM 2.0
SPEM 2.0 SOFTWARE & SYSTEMS PROCESS ENGINEERING METAMODEL SPECIFICATION V.20 SPEM 2.0 Metamodelo para modelos de procesos de ingeniería de software y de ingeniería de sistemas. La idea central de SPEM
Más detallesÁrbol binario. Elaborado por Ricardo Cárdenas cruz Jeremías Martínez Guadarrama Que es un árbol Introducción
Árbol binario Elaborado por Ricardo Cárdenas cruz Jeremías Martínez Guadarrama Que es un árbol Introducción Un Árbol Binario es un conjunto finito de Elementos, de nombre Nodos de forma que: El Árbol Binario
Más detallesla red de Internet PRODIGY para poder tener acceso al sistema RAGNVALD vía Internet
Capítulo 5. Monitoreo Remoto En este capítulo se detallará lo referente a la configuración del instrumento virtual y la red de Internet PRODIGY para poder tener acceso al sistema RAGNVALD vía Internet
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesAprendizaje Supervisado Análisis Discriminante (Lineal y Cuadrático)
Aprendizaje Supervisado Análisis Discriminante (Lineal y Cuadrático) 10 10 Modelo general de los métodos de Clasificación Id Reembolso Estado Civil Ingresos Anuales 1 Sí Soltero 125K No 2 No Casado 100K
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005
Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION Qué es el momento en una red backpropagation? U.A. REDES NEURONALES INTEGRANTES: JESUS BARRIOS CRESCENCIO
Más detallesK2BIM Plan de Investigación - Comparación de herramientas para la parametrización asistida de ERP Versión 1.2
K2BIM Plan de Investigación - Comparación de herramientas para la parametrización asistida de ERP Versión 1.2 Historia de revisiones Fecha VersiónDescripción Autor 08/10/2009 1.0 Creación del documento.
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesADMINISTRACION DE PROYECTOS
ADMINISTRACION DE PROYECTOS La gran diversidad de definiciones que podemos encontrar de administración en general resulta muy variada dependiendo a lo que deseemos administrar. La definición más común
Más detallesESCUELA POLITÉCNICA NACIONAL
1 ESCUELA POLITÉCNICA NACIONAL INSTITUTO DE CIENCIAS BÁSICAS APLICACIÓN DE LAS FÓRMULAS Y CONCEPTOS DE MOVIMINETO CIRCULAR UNIFORME Y MOVIMINETO CIRCULAR UNIFORME VARIADO TALLER GRUPAL DANIELA FRANCESCA
Más detallesTest ( o Prueba ) de Hipótesis
Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a
Más detallesAdministración de proyectos. Organizar, planificar y programar los proyectos de software
Administración de proyectos Organizar, planificar y programar los proyectos de software Administración de proyectos Trata de las actividades que hay que realizar para asegurar que el software se entregará
Más detalles4. Programación Paralela
4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios
Más detallesCreación y administración de grupos locales
Creación y administración de grupos locales Contenido Descripción general 1 Introducción a los grupos de Windows 2000 2 Grupos locales 5 Grupos locales integrados 7 Estrategia para utilizar grupos locales
Más detallesColegio Salesiano Don Bosco Academia Reparación Y Soporte Técnico V Bachillerato Autor: Luis Orozco. Subneteo
Subneteo La función del Subneteo o Subnetting es dividir una red IP física en subredes lógicas (redes más pequeñas) para que cada una de estas trabajen a nivel envío y recepción de paquetes como una red
Más detallesCAPÍTULO IV. Análisis e interpretación de resultados. Para poder explicar las tablas del capítulo anterior y tener un mejor entendimiento
88 CAPÍTULO IV 4.1 Descripción Para poder explicar las tablas del capítulo anterior y tener un mejor entendimiento de donde se originan los ingresos totales de alimentos y bebidas del hotel, primero se
Más detallesQué son los protocolos de enrutamiento Dinámico?
Sistemas Operativos SISTEMAS OPERATIVOS 1 Sesión No. 4 Nombre: Protocolos de enrutamiento dinámico Contextualización Qué son los protocolos de enrutamiento Dinámico? Los protocolos de enrutamiento dinámico
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Introducción FACULTAD DE INGENIERÍA. Ordenación
Introducción Uno de los procedimientos más comunes y útiles en el procesamiento de datos, es la clasificación u ordenación de los mismos. Se considera ordenar al proceso de reorganizar un conjunto dado
Más detallesVersión final 8 de junio de 2009
GRUPO DE EXPERTOS «PLATAFORMA PARA LA CONSERVACIÓN DE DATOS ELECTRÓNICOS PARA CON FINES DE INVESTIGACIÓN, DETECCIÓN Y ENJUICIAMIENTO DE DELITOS GRAVES» ESTABLECIDO POR LA DECISIÓN 2008/324/CE DE LA COMISIÓN
Más detallesCARGAR ARCHIVOS EXTERNOS EN PHP WEBQUEST 2.5. La versión 2.5 de PHP Webquest y posteriores- ha sido diseñada para que los usuarios puedan:
CARGAR ARCHIVOS EXTERNOS EN PHP WEBQUEST 2.5 La versión 2.5 de PHP Webquest y posteriores- ha sido diseñada para que los usuarios puedan: Subir al servidor tantos archivos de imagen como se necesiten para
Más detallesConclusiones. Particionado Consciente de los Datos
Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser
Más detallesPlan de tarificación. Redes telefónicas. Requisitos a cumplir por el plan.
Redes telefónicas Plan de tarificación Plan de tarificación Requisitos a cumplir por el plan Métodos de tarificación Llamadas locales Llamadas a larga distancia Métodos de registro de llamadas Tarifas
Más detallesCAPÍTULO VI PROCEDIMIENTO PARA PROGRAMAR LA PRODUCCIÓN. Las expectativas de ventas, como se acaba de reflejar, y
CAPÍTULO VI PROCEDIMIENTO PARA PROGRAMAR LA PRODUCCIÓN El programa de producción se define en función de: 1 Las expectativas de ventas, como se acaba de reflejar, y Las características técnicas de la empresa.
Más detallesETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS
ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos
Más detallesMantenimiento Limpieza
Mantenimiento Limpieza El programa nos permite decidir qué tipo de limpieza queremos hacer. Si queremos una limpieza diaria, tipo Hotel, en el que se realizan todos los servicios en la habitación cada
Más detalles2. Redes de Medición de la Calidad del Aire
2. Redes de Medición de la Calidad del Aire Una red de medición de la calidad del aire es parte de un Sistema de Medición de Calidad del aire, SMCA. Es importante mencionar que un SMCA puede incluir una
Más detallesProgramación Genética
Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino
Más detallesDiferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Diferenciabilidad. 1. Definición de función diferenciable Después del estudio de los ites de funciones
Más detallesEl sistema decimal, es aquél en el que se combinan 10 cifras (o dígitos) del 0 al 9 para indicar una cantidad específica.
5.2 SISTEMAS DE NUMERACIÓN. DECIMAL El sistema decimal, es aquél en el que se combinan 10 cifras (o dígitos) del 0 al 9 para indicar una cantidad específica. La base de un sistema indica el número de caracteres
Más detallesESPAÑOL Nota Técnica CONEXIÓN A INTERNET Y USO DEL ANCHO DE BANDA CON EQUIPOS VX Y PECO
ESPAÑOL Nota Técnica CONEXIÓN A INTERNET Y USO DEL ANCHO DE BANDA CON EQUIPOS VX Y PECO Fecha de revisión: Aplicación: Septiembre 2014 Equipos VX y PeCo El acceso de un equipo a una red externa puede conseguirse
Más detallesDOMINIO Y RANGO DE UNA FUNCIÓN I N D I C E. martilloatomico@gmail.com. Página. Titulo:
Titulo: DOMINIO Y RANGO I N D I C E Página DE UNA FUNCIÓN Año escolar: 4to. Año de Bachillerato Autor: José Luis Albornoz Salazar Ocupación: Ing Civil. Docente Universitario País de residencia: Venezuela
Más detallesALGORITMO HILL CLIMBING
ALGORITMO HILL CLIMBING También es conocido como el método de ascenso de colinas Usa una técnica de mejoramiento iterativo Comienza a partir de un punto (punto actual) en el espacio de búsqueda Si el nuevo
Más detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más detallesDivisibilidad y números primos
Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos
Más detallesGuías. _Mi Entel. SMS Empresas
Guías _Mi Entel SMS Empresas SMS Empresas SMS empresas es un servicio que le permitirá a su empresa enviar mensajes de texto de forma masiva desde una web de gestión del servicio en Mi Entel Empresas o
Más detalles