Modelos no supervisados

Flashcards sobre conceptos de modelos de aprendizaje no supervisado, métricas de distancia y algoritmos de clustering (jerárquico, particional, basado en densidad y propagación de afinidad).

¿Qué tres condiciones debe cumplir una función para ser considerada una distancia matemática?

La no negatividad ($d(a,b) \geq 0$), la simetría ($d(a,b) = d(b,a)$) y la desigualdad triangular ($d(a,b) \leq d(a,c) + d(c,b)$).

¿Cuál es el principal inconveniente de utilizar la distancia euclidiana en un proceso de segmentación?

No tiene en cuenta las escalas en las que pueden estar expresadas las variables $X$ e $Y$, lo que puede causar que una variable pese injustamente más que otra.

¿De qué manera la distancia de Gauss (o estadística) intenta superar la distorsión de las unidades de medida?

Normalizando las variables mediante la desviación estándar ($\sigma$) para situarlas a todas bajo la misma escala.

¿Qué corrección propuso Prasanta Chandra Mahalanobis para la distancia estadística?

Corregir la distorsión provocada por la correlación de las variables, reflejando su influencia mutua.

¿Cuál es la idea intuitiva de la distancia de Mahalanobis respecto a la densidad?

Que los puntos en una zona densamente poblada deben considerarse más cercanos entre ellos que con respecto a puntos fuera de dicha zona.

¿En qué se diferencia un algoritmo de agrupación jerárquica aglomerativo de uno divisivo?

El aglomerativo (bottom up) une objetos individuales hasta formar grupos grandes, mientras que el divisivo (top down) parte de un solo grupo que contiene todo y lo subdivide progresivamente.

¿Qué es el 'efecto cadena' en el criterio de enlace simple (single linkage)?

Es cuando dos grupos que deberían estar diferenciados se fuerzan a unirse porque comparten algún elemento muy próximo.

¿Cuál es la ventaja principal del criterio de enlace centroide (centroid linkage)?

Su coste computacional es muy inferior al de otros criterios, por lo que es adecuado para juegos de datos de gran volumen.

¿Qué requisito previo tiene el algoritmo particional $k$-means?

Requiere que se fijen de antemano los $k$ grupos (clústeres) que se quieren obtener.

¿Cómo se seleccionan los nuevos centroides durante las iteraciones de $k$-means?

Se calculan a partir de las medias de las observaciones pertenecientes a los clústeres actuales.

¿Qué técnica se utiliza para reducir los cálculos drásticos en algoritmos particionales mediante grupos superpuestos?

Canopy clustering, la cual utiliza una métrica sencilla ('cheapest metric') para decidir qué puntos están lejos antes de aplicar una métrica más exigente.

¿Cuáles son los dos parámetros de entrada necesarios para el algoritmo DBSCAN?

El valor $\epsilon$ (epsilon), que es el máximo radio de vecindad, y el valor $minPts$, que es el número mínimo de puntos para considerar una zona como densa.

En DBSCAN, ¿qué define a un 'punto núcleo' (core point)?

Es un punto que tiene al menos $minPts$ en su $\epsilon$-vecindad (un radio menor o igual a $\epsilon$).

¿Qué ventaja tiene DBSCAN respecto a la forma geométrica de los clústeres?

Es capaz de identificar clústeres de cualquier forma geométrica, no solo circular, siempre que haya diferencias de densidad.

¿Cómo soluciona OPTICS el principal inconveniente de DBSCAN?

Permite que la densidad de los clústeres sea variable y no requiere fijar parámetros rígidos de formación de clústeres, sino que ordena los puntos por su distancia de alcanzabilidad.

En el algoritmo OPTICS, ¿qué es la 'core-distance' del punto $p$?

Es el radio $\epsilon'$ mínimo tal que su $\epsilon'$-vecindad contiene al menos $minPts$ puntos.

¿Qué representan las matrices de responsabilidad ($R$) y disponibilidad ($A$) en Affinity Propagation?

La matriz $R$ indica cómo de bien encaja un punto como ejemplar de otro, y la matriz $A$ indica cómo de adecuado es para un punto considerar a otro como su ejemplar.

¿Cómo se seleccionan los centros en Affinity Propagation a diferencia de $k$-means?

En Affinity Propagation cada punto del juego de datos se trata como un centro potencial o 'exemplar', intercambiando mensajes hasta formar clústeres estables.