Ortiz Arias, Santiago2024-09-162024https://hdl.handle.net/10784/34568La 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.spaTodos los derechos reservadosStahel DonohoEstadística robustamasterThesisinfo:eu-repo/semantics/openAccessCIENCIA DE LA INFORMACIÓNPROCESAMIENTO ELECTRÓNICO DE DATOSTOMA DE DECISIONESDATOS ESTADÍSTICOSOutliersT-sneClusteringAcceso abierto2024-09-16Romero Cardona, Daniel