|
|
Registros recuperados : 122 | |
Registros recuperados : 122 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Territorial. |
Data corrente: |
11/11/2020 |
Data da última atualização: |
11/11/2020 |
Tipo da produção científica: |
Documentos |
Autoria: |
FERREIRA, R. R. M.; PAIM, F. A. de P.; RODRIGUES, V. G. S.; CASTRO, G. S. A. |
Afiliação: |
ROGERIO RESENDE MARTINS FERREIRA, CNPM; FERNANDO ANTONIO DE PADUA PAIM, CNPM; VALÉRIA GUIMARÃES SILVESTRE RODRIGUES, USP; GUSTAVO SPADOTTI AMARAL CASTRO, CNPM. |
Título: |
Análise de cluster não supervisionado em R: agrupamento hierárquico. |
Ano de publicação: |
2020 |
Fonte/Imprenta: |
Campinas: Embrapa Territorial, 2020. |
Páginas: |
43 p. |
Série: |
(Embrapa Territorial. Documentos, 133) |
ISSN: |
0103-7811 |
Idioma: |
Português |
Conteúdo: |
Ao analisar uma base de dados, um dos principais desafios do analista é resumir a informação coletada. Em muitos casos, quando contamos com um grande número de observações, pode ser de interesse criar grupos. Dentro de cada grupo os elementos devem ser semelhantes entre si e diferentes dos elementos dentro dos outros grupos. A análise de clusters é um procedimento da estatística multivariada que tenta agrupar um conjunto de dados em subgrupos homogêneos, chamados de agrupamentos. É uma técnica matemática que tem como finalidade revelar estruturas de classificação nos dados do mundo real. Os métodos hierárquicos da análise de cluster têm como principal característica um algoritmo capaz de fornecer mais de um tipo de partição dos dados. Ele gera vários agrupamentos possíveis, e um cluster pode ser mesclado a outro em determinado passo do algoritmo. A maioria dos ambientes e softwares de análise estatística dispõem de opções para fazer análise de cluster e construção de dendrogramas. O software R conta com uma grande quantidade de funções e pacotes de trabalho para análise de agrupamento. É nesse contexto que esta publicação se insere, ao descrever os principais conceitos para a aplicação de procedimentos estatísticos de análise não supervisionada que objetivam produzir agrupamentos hierárquicos com base na semelhança ou dissemelhança entre os objetos de estudo. O leitor perceberá a dificuldade associada ao processo e entenderá os usos principais da técnica. MenosAo analisar uma base de dados, um dos principais desafios do analista é resumir a informação coletada. Em muitos casos, quando contamos com um grande número de observações, pode ser de interesse criar grupos. Dentro de cada grupo os elementos devem ser semelhantes entre si e diferentes dos elementos dentro dos outros grupos. A análise de clusters é um procedimento da estatística multivariada que tenta agrupar um conjunto de dados em subgrupos homogêneos, chamados de agrupamentos. É uma técnica matemática que tem como finalidade revelar estruturas de classificação nos dados do mundo real. Os métodos hierárquicos da análise de cluster têm como principal característica um algoritmo capaz de fornecer mais de um tipo de partição dos dados. Ele gera vários agrupamentos possíveis, e um cluster pode ser mesclado a outro em determinado passo do algoritmo. A maioria dos ambientes e softwares de análise estatística dispõem de opções para fazer análise de cluster e construção de dendrogramas. O software R conta com uma grande quantidade de funções e pacotes de trabalho para análise de agrupamento. É nesse contexto que esta publicação se insere, ao descrever os principais conceitos para a aplicação de procedimentos estatísticos de análise não supervisionada que objetivam produzir agrupamentos hierárquicos com base na semelhança ou dissemelhança entre os objetos de estudo. O leitor perceberá a dificuldade associada ao proce... Mostrar Tudo |
Palavras-Chave: |
Análise de agrupamento; Software. |
Thesagro: |
Análise de Dados. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/217667/1/5360.pdf
|
Marc: |
LEADER 02225nam a2200217 a 4500 001 2126478 005 2020-11-11 008 2020 bl uuuu u0uu1 u #d 022 $a0103-7811 100 1 $aFERREIRA, R. R. M. 245 $aAnálise de cluster não supervisionado em R$bagrupamento hierárquico.$h[electronic resource] 260 $aCampinas: Embrapa Territorial$c2020 300 $a43 p. 490 $a(Embrapa Territorial. Documentos, 133) 520 $aAo analisar uma base de dados, um dos principais desafios do analista é resumir a informação coletada. Em muitos casos, quando contamos com um grande número de observações, pode ser de interesse criar grupos. Dentro de cada grupo os elementos devem ser semelhantes entre si e diferentes dos elementos dentro dos outros grupos. A análise de clusters é um procedimento da estatística multivariada que tenta agrupar um conjunto de dados em subgrupos homogêneos, chamados de agrupamentos. É uma técnica matemática que tem como finalidade revelar estruturas de classificação nos dados do mundo real. Os métodos hierárquicos da análise de cluster têm como principal característica um algoritmo capaz de fornecer mais de um tipo de partição dos dados. Ele gera vários agrupamentos possíveis, e um cluster pode ser mesclado a outro em determinado passo do algoritmo. A maioria dos ambientes e softwares de análise estatística dispõem de opções para fazer análise de cluster e construção de dendrogramas. O software R conta com uma grande quantidade de funções e pacotes de trabalho para análise de agrupamento. É nesse contexto que esta publicação se insere, ao descrever os principais conceitos para a aplicação de procedimentos estatísticos de análise não supervisionada que objetivam produzir agrupamentos hierárquicos com base na semelhança ou dissemelhança entre os objetos de estudo. O leitor perceberá a dificuldade associada ao processo e entenderá os usos principais da técnica. 650 $aAnálise de Dados 653 $aAnálise de agrupamento 653 $aSoftware 700 1 $aPAIM, F. A. de P. 700 1 $aRODRIGUES, V. G. S. 700 1 $aCASTRO, G. S. A.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Territorial (CNPM) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|