[R-es] Remuestreo de Clusters

[Pablo Emilio Verde]

De nada Jorge!

En realidad me di cuenta de la complejidad de tu problema cuando
empeze a cambiar tu código para usar el paquete "boot".

Pablo

----- Original Message -----
From: "Jorge Ivan Velez" <jorgeivanvelez en gmail.com>
To: "Pablo Emilio Verde" <PabloEmilio.Verde en uni-duesseldorf.de>
Cc: "R-help-es" <r-help-es en r-project.org>
Sent: Thursday, June 25, 2009 9:30 PM
Subject: Re: [R-es] Remuestreo de Clusters


Muchas gracias Pablo por tu ayuda.
En definitiva lo que intenté hacer con el código que envié a la lista parece
más complejo de lo que inicialmente pensé, así que cambiaré mi estrategia.

Por ahora el artículo que me envías y tu sugerencia de explorar RandomForest
me son de gran ayuda.

Gute nacht,
Jorge


2009/6/25 Pablo Emilio Verde <PabloEmilio.Verde en uni-duesseldorf.de>

> Hola Jorge,
>
> No conozco otro paquete de R que haga lo que necesitas. Random-forest usa
> una
> mescla de bootstrap y regression trees para construir no solo modelos de
> clasificacion
> sino tambien modelos de clusters. Quizas te interese usarlo en tu
problema.
>
> Te adjunto un paper sobre el tema que te puede ser util. En general el
> problema que
> tenes es que estas estimando una matriz de probabilidades de dimension
> (nxk)
> y
> los metodos de boostrap pueden dar resultados erraticos. Posiblemente
> tengas
> que
> agregar un segundo nivel de remuestreo para este problema de prediccion.
>
> Pablo
>
>
> ----- Original Message -----
> From: "Jorge Ivan Velez" <jorgeivanvelez en gmail.com>
> To: "R-help-es" <r-help-es en r-project.org>
> Sent: Wednesday, June 24, 2009 5:50 PM
> Subject: [R-es] Remuestreo de Clusters
>
>
> Buenos dias para todos,
> Estoy trabajando en una aplicación que involucra análisis de clusters.
> Básicamente el objetivo es determinar a qué cluster pertenece cada
> observación de una matriz de datos "mydata" y luego generar muestras
> aleatorias de los mismos datos para determinar la proporción de veces que
> cada observación es clasificada en el cluster k.
>
> Este tipo de análisis es muy común en aplicaciones de Phylogeny <
> http://en.wikipedia.org/wiki/Phylogeny>
>
> Suponiendo que el método de cluster a utilizar es fijo y que de alguna
> manera se determinó que el número de clusters óptimo, conocen alguna
> libreria en R que permita hacer lo que describo?
>
> Este es un ejemplo en R en el que utilizo ksmeans y 7 clusters
>
> # Data set
> set.seed(123)
> mydata <- matrix(rnorm(100*10), ncol=10)
> colnames(mydata) <- paste('X', 1:10, sep="")
> rownames(mydata) <- paste('s', 1:100, sep="")
>
> # Función para determinar el cluster al que
> # pertenece cada muestra s_i
> foo <- function(X, k = 7){
>      x <- X[sample(nrow(X)),]
>      rx <- rownames(x)
>      cluster <- kmeans(x, k)$cluster
>      names(cluster) <- rx
>      cluster[rownames(X)]
>         }
>
> # Repitiendo foo 1000 veces
> N <- 1000
> res <- replicate(N, foo(mydata))
>
> # Dandole un nuevo formato a la salida de res
> grupos <- t(apply(res, 1, function(x){
>              x <- factor(x, levels = 1:7)
>              table(x)
>               }
>      )
>  ) /1000
> head(grupos)
>
> Al trabajar con datos completamente aleatorios, se espera que las
> proporciones de los grupos sea similares. En este caso el valor cluster
> donde la proporción es mayor puede ser obtenido como:
>
> apply(grupos, 1, which.max)
>
>
> Muchas gracias,
>
> Jorge Ivan Velez
>
> [[alternative HTML version deleted]]
>
>
>
>
>
> --------------------------------------------------------------------------
--
> ----
>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>

[[alternative HTML version deleted]]




----------------------------------------------------------------------------
----


_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es