Aplicación de técnicas no-lineales de reducción de dimensionalidad y clustering para detección de observaciones anómalas multidimensionales
Fecha
2024
Autores
Romero Cardona, Daniel
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
La toma de decisiones se fundamenta en datos, abarcando desde análisis de mercado hasta diagnósticos médicos y otros ámbitos. Sin embargo, la presencia de observaciones anómalas
representa un desafío significativo en el análisis de datos, distorsionando resultados y afectando la fiabilidad de los modelos. Este estudio propone una metodología que combina técnicas de reducción de dimensionalidad no-lineal y clustering para abordar el desafío de la detección de observaciones anómalas en conjuntos de datos multidimensionales. Al integrar la reducción de dimensionalidad mediante t-SNE, la estimación robusta de Stahel-Donoho y el clustering con k-means, buscamos desarrollar un enfoque sistemático y efectivo para identificar y analizar observaciones anómalas en grandes conjuntos de datos. Estas combinaciones arrojaron resultados con muy buenos rendimientos comparado con otras metodologías analizadas.