An´alisis 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 t´ecnica com´un y se utiliza en diversos campos como, aprendizaje de m´aquina, miner´ıa de datos, reconocimiento
de patrones, an´alisis de im´agenes y bioinform´atica, donde la distribuci´on de la informaci´on puede ser de cualquier
tama˜no 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 evaluaci´on desde distintas
perspectivas de una serie de medidas relevantes no-supervisadas de calidad como por ejemplo, cuantizaci´on del error,
distancias intra- e inter- cluster, de los clusters obtenidos por el conocido algoritmo de K-means, una metaheur´ıstica
poblacional denominada Particle Swarm Optimization (PSO) y un algoritmo h´ıbrido, que combina las caracter´ısticas
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 m´as compactos y
separados entre ellos que los obtenidos por los otros algoritmos.