JHU MOOC EDA W3 (2)

JHU Exploratory Data Analysis courseLa primer video lectura ha hecho click en varias cosas. No se si sea porque ya tengo un conocimiento previo del tema o porque ha expuesto de manera más práctica el tema.

Empieza la lectura preguntando. ¿Cómo puedo encontrar cosas que son cercanas? ¿Cómo defino que es la cercanía? ¿Como agrupamos las cosas? ¿Cómo visualizamos el agrupamiento? ¿Cómo interpretamos el agrupamiento? No sé si sea el “mood” o la hora, pero siento que las dos semanas del curso de Clustering quedan perfectamente expresadas en estas preguntas. El inicio del tema “hierarchical clustering” señala que se requiere definir un concepto de distancia y un método de aproximación para producir información sobre la cercanía de las cosas. A través de dendogramas y “mapas de calor“, es fácil ver esta jerarquización al aplicarlos un agrupamiento de cosas.

Dendrograma

Algo similar se muetra con el caso de K-Means. A diferencia de los otros cursos que mencioné en el post previo, donde la exposición del instructor se enfoca más a la descripción del método, aquí se da una descripción en prosa del método y se muestra como hacer uso de las funciones ya implementadas en R. También la interpretación de resultados.

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s