Hola,
Cuando simulo clústeres desde la plataforma K Means, obtengo algunos valores simulados negativos para una de mis variables que, en términos prácticos, solo pueden ser positivos.
Mirando la distribución original de esta variable, no es normal y está limitada a cero (por lo que algo así como una distribución log-normal se ajusta bien).
¿Hay alguna manera de garantizar que los datos generados a partir de la simulación de clúster sigan siendo positivos?
Muchas gracias,
Alicia
Hi @Alicia_500,
¡Bienvenido a la comunidad!
La agrupación en clústeres se puede realizar con diferentes algoritmos, dependiendo de sus objetivos, tipos de datos y el criterio con el que está creando la agrupación: en función de distribuciones, de densidad de puntos, de estructuras jerárquicas/enlaces entre puntos, ...
Puede echar un vistazo a los algoritmos disponibles según sus tipos de datos aquí: Descripción general de las plataformas para agrupar observaciones
Si necesita más información sobre cómo utilizar los diferentes algoritmos, puede ver este vídeo: Agrupamiento | JMP
También hay un blog muy interesante de @Chelsea-Parlett que explica las diferencias entre los métodos de agrupamiento: Métodos de agrupamiento para aprendizaje automático no supervisado (jmp.com)
En cuanto a su caso de uso, dada la relativa poca información proporcionada y la ausencia de datos para probar algunos enfoques, creo que K-Means podría no ser la técnica de agrupamiento más adecuada, ya que se trata de diferentes distribuciones con distinta dispersión. K-Means crea agrupamientos esféricos, ya que no asume diferencias en las distribuciones.
Podría intentar usar mezclas normales , ya que estarán influenciadas por las diferencias de distribuciones y varianzas de sus características o un clúster jerárquico , que no supone ninguna distribución para la clasificación.
Espero haber entendido tu situación.
Gracias Víctor por la respuesta: ¡es extremadamente útil!
