Procedimientos de clasificación con recortes

Abstract

La clasificación y/o la agrupación de individuos a partir de los datos obtenidos de acuerdo con la medición de algunas de sus características es un objetivo fundamental en casi cualquier tipo de estudio. Entre los procedimientos de clasificación, el análisis “cluster” basado en k-medias es sin duda el más popular por su sencillez conceptual, sin embargo es bien conocido que su comportamiento ante la presencia de datos atípicos puede ser catastrófico, lo que limita su uso en la práctica. Este trabajo incluye y discute algunos de los procedimientos más relevantes del clustering robusto, diseñados con el objetivo de evitar esta falta de robustez, especialmente los basados en recortes de los datos.

The classiffication and/or grouping of individuals from the meassurement of some of their characteristics is one of the main goals in almost any type of study. Among classiffication procedures, the cluster analysis based on k-means is undoubtedly the most popular one due to its conceptual simplicity. However, it is well known its catastrophic behavior in presence of atypical data, which limits it practical utility. This paper includes and discusses some of the most relevant robust clustering procedures, designed to avoid this lack of robustness, especially those based on data trimming.