Análisis de medidas no-supervisadas de calidad en clusters obtenidos por K-means y Particle Swarm Optimization

Abstract

El clustering de datos ayuda a discernir la estructura y simplifica la complejidad de cantidades masivas de datos. Es una técnica común y se utiliza en diversos campos como, aprendizaje de máquina, minerıa de datos, reconocimiento de patrones, an´alisis de imágenes y bioinformática, donde la distribución de la información puede ser de cualquier tamaño y forma. La eficiencia de los algoritmos de clustering es extremadamente necesaria cuando se trabaja con enormes bases de datos y tipos de datos de grandes dimensiones. Este trabajo presenta una evaluación desde distintas perspectivas de una serie de medidas relevantes no-supervisadas de calidad como por ejemplo, cuantización del error, distancias intra- e inter- cluster, de los clusters obtenidos por el conocido algoritmo de K-means, una metaheurística poblacional denominada Particle Swarm Optimization (PSO) y un algoritmo híbrido, que combina las características de los dos algoritmos anteriores, denominado PSO+Kmeans. De los resultados obtenidos se observa que en general el algoritmo PSO+K-means obtiene mejores resultados en cada una de las medidas generando clusters más compactos y separados entre ellos que los obtenidos por los otros algoritmos.