P. Segura Martínez, A. Marín
En este trabajo presentamos un nuevo enfoque para mejorar la interpretabilidad del análisis de clústeres a través de explicaciones basadas en distancias. Dado un conjunto de clústeres predefinidos, donde cada individuo del conjunto presenta k medidas o características, y dada una distancia o disimilaridad entre cada par de individuos asociada a cada una de dichas medidas, el objetivo es encontrar una explicación que caracterice a cada clúster, seleccionando en cada uno de ellos un conjunto de individuos representantes (o prototipos) que garantice que los individuos más cercanos en al menos q medidas a un prototipo se encuentren en su mismo clúster. En este trabajo se proponen dos modelos de optimización matemática basados en diferentes definiciones de proximidad entre individuos, inspirados en problemas clásicos de localización.
Palabras clave: clústeres, interpretabilidad, prototipos, localización, optimización combinatoria
Programado
Localización (GELOCA1)
11 de junio de 2025 15:30
MR 2