[R-es] Duda sobre cómo analizar un experimento factorial con algoritmos de extracción de características, clustering y clasificación como factores

[Jorge I Velez]

Coincido con el Prof. Di Rienzo.

A proposito, esta consulta me recuerda

R> require(fortunes)
R> fortune('brain')

I wish to perform brain surgery this afternoon at 4pm and don't know where
to
start. My background is the history of great statistician sports legends
but I
am willing to learn. I know there are courses and numerous books on brain
surgery but I don't have the time for those. Please direct me to the
appropriate HowTos, and be on standby for solving any problem I may
encounter
while in the operating room. Some of you might ask for specifics of the
case,
but that would require my following the posting guide and spending even more
time than I am already taking to write this note.
   -- I. Ben Fooled (aka Frank Harrell)
      R-help (April 1, 2005)

Saludos,
Jorge.-



2014-11-26 22:34 GMT+11:00 Julio Alejandro Di Rienzo <
dirienzo.julio en gmail.com>:

> CREO QUE ESTE TIPO DE CONSULTA, EXCEDE EL PROPÓSITO DE ESTE FORO.
>
>
>
>
> El miércoles, 26 de noviembre de 2014, Daniel Carrillo Zapata <
> daniel.carrillo2 en um.es> escribió:
>
> >      Hola Isidro,
> >
> >      mira, te explico mejor: tengo una base de datos con información de
> > 10 conductores en un recorrido de 30 minutos en coche. Para cada
> > conductor, se le midió parámetros biomédicos como la temperatura
> > corporal, su electrocardiograma, etc., durante todo el recorrido; en
> > total 22 parámetros.
> >
> >      Mi objetivo principal es poder determinar, dados dichos parámetros,
> > los distintos estados en los que puede estar un conductor a lo largo del
> > recorrido. Sin embargo, mi conjunto de datos no está etiquedo, es decir,
> > no sé a priori la variable de respuesta, el estado del conductor, para
> > cada combinación; tengo que descubrirla.
> >
> >      Lo que quería hacer es, primero, transformar los parámetros porque
> > suele ser recomendado para no tener overfitting y reducir la dimensión
> > de los datos. Para ello, quiero probar dos técnicas: ICA y PCA.
> >
> >      Tras esto, pensaba probar distintos algoritmos de clustering para
> > ver cómo agrupan los datos. Con cada uno, puedo obtener la bondad con la
> > que asignan un elemento a un cluster con, por ejemplo, el silhouette
> > coefficient, o algún otro índice interno/externo. Con cada algoritmo de
> > clustering que pruebe, etiquetaré mis datos de entrenamiento
> > asignándoles un cluster (que luego más adelante intentaré darle una
> > explicación semántica del estado que representa).
> >
> >      Por cada conjunto resultado (ahora, etiquetado) de aplicar una
> > técnica de extracción de características y otro de clustering, quiero
> > probar distintos clasificadores, para ver cómo se comportan con esa
> > agrupación. Por tanto, obtendré varios errores asociados a clasificación
> > porqué haré cross-validation.
> >
> >      De esta forma, si pruebo 2 algoritmos de extracción de
> > características, 3 de clustering y 4 de clasificación, tengo un
> > experimento factorial 2x3x4, ¿no?
> >
> >      Lo que me gustaría obtener posteriormente es la mejor combinación
> > de técnica de extracción de características, algoritmo de clustering y
> > clasificador, teniendo en cuenta los errores de clasificación y cuán
> > bien los algoritmos de clustering agrupan.
> >
> >      De ahí, mi duda es cómo analizar los resultados, porque había
> > pensado aplicar una ANOVA de 3 vías con interacción, pero no sé si es
> > correcto. Además, no sé si tendría sentido, porque también quiero tener
> > en cuenta la bondad del algoritmo de clustering, no solo los errores de
> > clasificación. Es decir, necesitaría analizar las parejas (muestras del
> > error de clasificación, bondad del clustering) para cada combinación de
> > algoritmo de extracción de características, algoritmo de clustering y
> > algoritmo de clasificación.
> >
> >      Espero que te haya aclarado :)
> >
> >      Muchas gracias.
> >
> >      Un saludo,
> >      DANI
> >
> >
> > On 26/11/14 01:02, Isidro Hidalgo Arellano wrote:
> > > Hola, Daniel:
> > > Quizá deberías ser más explícito porque de la información que
> > > suministras yo solo te puedo decir que no veo la relación entre los 3
> > > tipos de algoritmos que nombras:
> > > - un análisis de componentes principales puede ser una fase previa de
> > > los otros dos
> > > - hacer un cluster es un tipo de aprendizaje no supervisado, mientras
> > > que un clasificador normalmente es utilizado en aprendizaje
> > > supervisado, porque se modeliza conociendo la variable dependiente
> > > Por ello, no veo cómo montar un ANOVA para analizar 3 procedimientos
> > > que a mí me parece que se utilizan para cosas completamente
> diferentes...
> > > Me imagino que no he sido de mucha ayuda, pero... ¿por qué no nos
> > > dices exactamente que quieres hacer, a ver si te podemos ayudar algo
> más?
> > > Un saludo,
> > > Isidro Hidalgo
> > >
> > >
> > >
> > > > El 25/11/2014, a las 22:09, Daniel Carrillo Zapata escribió:
> > > >
> > > >
> > > >
> > > > Hola compañeros
> > > >
> > > > Soy Daniel Carrillo, y os escribo porque me ha surgido una duda
> > > sobre si
> > > > puedo tratar algoritmos de clustering como un factor en un
> experimento.
> > > > Concretamente, tengo un conjunto de datos sin etiquetar, y quiero
> > > probar
> > > > los siguientes algoritmos sobre él:
> > > >
> > > > 1) Extracción de características por PCA y por ICA.
> > > > 2) Una vez tenga extraídas las características, para cada uno de
> > > > los dos conjuntos transformados quisiera probar 3 diferentes
> algoritmos
> > > > de clustering: k-medoids, EM y hierachical clustering.
> > > > 3) Por último, para cada conjunto etiquetado quisiera probar 4 ó 5
> > > > clasificadores.
> > > >
> > > > Como se puede ver, estoy diseñando un experimento factorial para
> > > > encontrar el mejor clasificador basándome en probar diferentes
> técnicas
> > > > de extracción de características, clustering y clasificación.
> > > >
> > > > Mi objetivo final es entrenar al mejor clasificador basándome en el
> > > > mejor algoritmo de clustering, de clasificación y de extracción de
> > > > características para que etiquete futuros datos.
> > > >
> > > > Sin embargo, me han surgido dudas de cómo analizar los resultados, y
> es
> > > > que no sé si se puede aplicar una ANOVA de 3 vías con interacción,
> > > > siendo los 3 factores el algoritmo de extracción de características,
> > > > algoritmo de clustering y algoritmo de clasificación. Mis preguntas
> por
> > > > tanto son:
> > > >
> > > > 1) ¿Tiene sentido aplicar ANOVA de 3 vías con interacción?
> > > > 2) Si no, ¿cuál sería la mejor manera de analizar los resultados
> > > > del experimento?
> > > > 3) ¿Hay alguna forma de seleccionar al mejor clasificador teniendo
> > > > en cuenta los errores de clasificación y cuán bien el algoritmo de
> > > > clustering agrupa los datos (por ejemplo, comparando los "silhouette
> > > > coefficients")?, porque pienso que esto lo debería tener en cuenta
> > > también.
> > > >
> > > > Mis dudas vienen suscitadas por el hecho de que pienso que los
> > > > algoritmos de clasificación son totalmente dependientes del los de
> > > > clustering (que les etiqueta los datos).
> > > >
> > > > Confío en vuestra experiencia para que me aportéis un rayo de luz en
> > > esto
> > > >
> > > > ¡Muchísimas gracias!
> > > >
> > > > Un saludo,
> > > > DANI
> > > >
> > > > _______________________________________________
> > > > R-help-es mailing list
> > > > R-help-es en r-project.org <javascript:;>
> > > > 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 <javascript:;>
> > https://stat.ethz.ch/mailman/listinfo/r-help-es
> >
>
>
> --
> Sent from my IPAD
>
>         [[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]]