Resumen

Los científicos de datos utilizan diversos algoritmos de aprendizaje automático para descubrir patrones en grandes volúmenes de datos que puedan dar lugar a perspectivas procesables. En general, los datos de alta dimensión se reducen obteniendo un conjunto de componentes principales para resaltar las similitudes y diferencias. En este trabajo, tratamos los datos reducidos utilizando un modelo de mezcla bivariante y aprendiendo con un modelo de mezcla gaussiano bivariante. Discutimos una heurística para detectar componentes importantes mediante la elección de los valores iniciales de los parámetros de localización utilizando dos técnicas diferentes: medias de cluster, k-means y clustering jerárquico, y valores por defecto en el paquete R "mixtools". Los parámetros del modelo se obtienen mediante un algoritmo de maximización de expectativas. Se evalúan los criterios del punto bayesiano para ambas técnicas, demostrando que ambas son eficientes con respecto a la capacidad de cálculo. La eficacia de las técnicas discutidas se demuestra mediante un estudio de simulación y utilizando conjuntos de datos reales de diferentes campos.

• Materias:Matemáticas
• Subjects:mathematics
• Palabras claves:técnicas, modelo de mezcla gaussiano bivariante, modelo de mezcla bivariante, algoritmo de maximización de expectativas, conjuntos de datos reales, punto bayesiano, científicos de datos, paquete r, perspectivas procesables, medias de clústeres
• Keywords:techniques, bivariate gaussian mixture model, bivariate mixture model, expectation maximization algorithm, real data sets, bayesian point, data scientists, r package, actionable insights, cluster means