Agrupamiento

Esta lección es importante porque…

A continuación vamos explicando las distintas secciones de esta lección…

( -o sin etiquetas- se podría llamar Descubrimiento… aunque las aplicaciones vayan aparte EN CADA TEMA PODEMOS HABLAR DE LAS APLICACIONES MÁS HABITUALES PARA ESE PARADIGMA: clustering, métodos de mezclas y detección de anomalías… recomendación, segmentación y minería de datos); Aquí ya estamos hablando de modelado, dentro el Machine Learning. El no supervisado es un paradigma de modelado (y es el que más se usa para minería de datos). Hablar de aprendizaje no supervisado, segmentación y agrupamiento de jugadores, sistemas de recomendación y tal, minería de comportamiento y estrategias (vamos, análisis de comportamiento para descubrir patrones). Esto trata de buscar patrones sin que hayas etiquetas ya puestas en el corpus. La minería de datos es una aplicación de las más habituales, pero también los sistemas de recomendación (hay cosas como filtrado colaborativo, factorization machines, embeddings, ranking… que no sé si quiero entrar a detalle, en las tiendas de videojuegos o en el matchmaking es importante).

Aplicacion estrella: algo de Data Mining pero menos. Clustering con k-means, las reglas de asociación… Segmentación de clientes para marketing, recomendadores, comprensión de datos y reducción de la dimensionalidad, anomalías en sistemas de redes…

Más información

Para complementar es recomendable consultar otros documentos.

• …