Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Ingeniería y Desarrollo
versión impresa ISSN 0122-3461versión On-line ISSN 2145-9371
Resumen
RAMIREZ, Juan Sebastián y DUQUE-MENDEZ, Néstor. Evaluación de algoritmos de Aprendizaje de Máquina no supervisados con datos climáticos. Ing. Desarro. [online]. 2022, vol.40, n.2, pp.131-165. Epub 10-Abr-2023. ISSN 0122-3461. https://doi.org/10.14482/inde.40.02.622.553.
Al usar datos climáticos, los investigadores tienen dificultades para determinar el algoritmo de agrupamiento y los parámetros de mejor rendimiento para procesar un conjunto de datos específico. Se realiza la evaluación de algoritmos de aprendizaje automático no supervisados K-means, K-medoids y Linkage-complete, aplicados a tres conjuntos de datos con variables climatológicas (temperatura, lluvia, humedad relativa y radiación solar), para tres estaciones meteorológicas ubicadas en el departamento de Caldas, Colombia, a diferentes alturas sobre el nivel del mar. Se definen 5 escenarios para 2, 3 y 5 clústeres para cada uno de los dos algoritmos particionados y 5 escenarios para el algoritmo jerárquico, para cada una de las estaciones meteorológicas, y aplicando una cantidad y agrupación diferente de variables para los diferentes escenarios y utilizando la distancia euclidiana, Davis-Bouldin como método de evaluación de calidad de clústeres, normalización con técnicas como transformación de rango y transformación Z, varias iteraciones del algoritmo y reducción de dimensionalidad con PCA. Además, se evalúa el costo computacional. Esta investigación puede guiar al investigador sobre ciertas decisiones en el análisis de conglomerados utilizados en datos meteorológicos, así como identificar el algoritmo y los parámetros más importantes a considerar para el mejor desempeño, de acuerdo con las condiciones y requisitos particulares.
Palabras clave : Agrupamiento; aprendizaje de máquina; clima; K-means; K-medoids.