Implementación web de algoritmos de clustering con restricciones de tamaño
El clustering con restricciones de tamaño es una técnica en el campo del aprendizaje automático que busca agrupar datos asegurando que cada grupo cumpla con ciertos criterios predefinidos de tamaño. Este enfoque es útil para ofrecer una distribución equitativa o desigual de datos dentro de grupos es...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Médium: | bachelorThesis |
| Jazyk: | spa |
| Vydáno: |
2024
|
| Témata: | |
| On-line přístup: | http://dspace.ups.edu.ec/handle/123456789/28424 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | El clustering con restricciones de tamaño es una técnica en el campo del aprendizaje automático que busca agrupar datos asegurando que cada grupo cumpla con ciertos criterios predefinidos de tamaño. Este enfoque es útil para ofrecer una distribución equitativa o desigual de datos dentro de grupos específicos, lo cual es importante para ciertas aplicaciones. En este estudio, se implementaron dos algoritmos de clustering, SC-Medoids y CSCLP, en una aplicación web desarrollada con R Studio, el paquete Shiny y su posterior despliegue del servicio en Shinyapps.io. El proceso metodológico adoptó un enfoque en cascada, con fases secuenciales que ayudaron a estructurar el desarrollo del sitio web, generando así una aplicación que permite a los usuarios realizar clustering en tiempo real y ajustar parámetros de manera interactiva. Se realizaron pruebas de estrés, carga, tiempo de ejecución y uso de memoria RAM para validar la estabilidad y eficiencia del sistema bajo ciertas condiciones. Además, se evaluó la usabilidad mediante encuestas, las cuales proporcionaron insights sobre la experiencia de los usuarios, abordando aspectos como la facilidad de uso, navegación intuitiva y nivel de satisfacción general. Los resultados muestran un alto nivel de aceptación y recomendación de la aplicación web. Tras realizar pruebas post despliegue, se ha verificado que la página soporta hasta 50 usuarios activos simultáneamente, mientras que en las pruebas de estrés la aplicación es capaz de procesar aproximadamente 90 peticiones en alrededor de cinco segundos. En cuanto al procesamiento del algoritmo SC-Medoids soporta datasets de hasta 3500 instancias, en comparación con CSCLP, que soporta hasta 1800. |
|---|