Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Clustering algorithms: A comparative approach

Texto completo
Autor(es):
Rodriguez, Mayra Z. [1] ; Comin, Cesar H. [2] ; Casanova, Dalcimar [3] ; Bruno, Odemir M. [4] ; Amancio, Diego R. [1] ; Costa, Luciano da F. [4] ; Rodrigues, Francisco A. [1]
Número total de Autores: 7
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Math & Comp Sci, Sao Carlos, SP - Brazil
[2] Univ Fed Sao Carlos, Dept Comp Sci, Sao Carlos, SP - Brazil
[3] Fed Univ Technol, Curitiba, Parana - Brazil
[4] Univ Sao Paulo, Sao Carlos Inst Phys, Sao Carlos, SP - Brazil
Número total de Afiliações: 4
Tipo de documento: Artigo Científico
Fonte: PLoS One; v. 14, n. 1 JAN 15 2019.
Citações Web of Science: 0
Resumo

Many real-world systems can be studied in terms of pattern recognition tasks, so that proper use (and understanding) of machine learning methods in practical applications becomes essential. While many classification methods have been proposed, there is no consensus on which methods are more suitable for a given dataset. As a consequence, it is important to comprehensively compare methods in many possible scenarios. In this context, we performed a systematic comparison of 9 well-known clustering methods available in the R language assuming normally distributed data. In order to account for the many possible variations of data, we considered artificial datasets with several tunable properties (number of classes, separation between classes, etc). In addition, we also evaluated the sensitivity of the clustering methods with regard to their parameters configuration. The results revealed that, when considering the default configurations of the adopted methods, the spectral approach tended to present particularly good performance. We also found that the default configuration of the adopted implementations was not always accurate. In these cases, a simple approach based on random selection of parameters values proved to be a good alternative to improve the performance. All in all, the reported approach provides subsidies guiding the choice of clustering algorithms. (AU)

Processo FAPESP: 15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento
Beneficiário:Roberto Marcondes Cesar Junior
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias
Beneficiário:Roberto Marcondes Cesar Junior
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 14/08026-1 - Visão artificial e reconhecimento de padrões aplicados em plasticidade vegetal
Beneficiário:Odemir Martinez Bruno
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 15/18942-8 - Associando redes complexas com espaços efetivos de atributos
Beneficiário:Cesar Henrique Comin
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 16/19069-9 - Classificação de documentos usando informações semânticas em redes complexas
Beneficiário:Diego Raphael Amancio
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 18/09125-4 - Representação, caracterização e modelagem de imagens biológicas utilizando redes complexas
Beneficiário:Cesar Henrique Comin
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 14/20830-0 - Modelagem e reconhecimento de padrões em textos com redes complexas
Beneficiário:Diego Raphael Amancio
Linha de fomento: Auxílio à Pesquisa - Regular