Cluster Analysis

Conjunto de técnicas estadísticas cuyo objetivo es individuar grupos de objetos que tengan dos características complementarias:

A - Máxima homogeneidad interna (dentro de cada cluster);

B - Máxima heterogeneidad externa (entre cluster y cluster).

En el lenguaje de la estadística, las características "A" y "B" corresponden respectivamente a la varianza interna (within cluster variance) y a la externa (between cluster variance).

En general, hay dos tipos de técnicas de Cluster Análisis:

• Hierarchical methods (métodos jerárquicos), cuyos algoritmos reconstruyen la jerarquía completa de los objetos analizados (el llamado "árbol"), tanto en orden ascendente como en orden descendente;

• Partitioning methods (métodos divisorios), cuyos algoritmos preveen que el usuario haya definido previamente el número de grupos en los cuales se dividen los objetos analizados.

En T-LAB se utilizan algoritmos de ambos tipos.

En particular:

• la función Análisis de Co-Palabras utiliza un método jerárquico;
• la función Cluster Analysis permite utilizar tres métodos distintos:dos jerárquico y uno en particiones;
• las funciones Análisis Temático de Contextos Elementales y Clasificación Temática de Documentos utilizan un algoritmo del tipo bisecting K-means.

Algunas Algunas de las publicaciones citadas en la Bibliografía permiten profundizar tanto los aspectos generales de los varios métodos (Bolasco S., 1999; Lebart L., A. Morineau, M. Piron, 1995), como los aspectos específicos relativos a el Hdbscan (Campello R. J. G. B., Moulavi D., Zimek A. & Sander J. , 2015) y el método bisecting K-means (Steinbach, M., G. Karypis, V. Kumar, 2000; Savaresi S.M., D.L. Boley, 2001).