Guía de estudio: PCA, K-Means y clustering jerárquico
El recorrido conceptual del Módulo 10 en tres clases secuenciadas. Leé las diapositivas sin salir del navegador, abrí sus visores de clase o descargá los originales editables para estudiar y preparar las prácticas.
91 diapositivas3 clases3 PDF de lectura3 PowerPoint editablesNotas del presentador en PPTX
El orden propuesto es deliberado: primero comprender qué representación del dato se conserva; después construir agrupamientos mediante centroides; finalmente analizar las relaciones entre observaciones a diferentes niveles de granularidad.
CLASE 01 · 29 DIAPOSITIVAS
PCA
Reducir dimensionalidad sin confundir proyección y agrupamiento.
Preguntas que orientan la lectura
¿Por qué centrar y escalar cambia los componentes?
¿Cómo se interpretan autovectores, loadings, scores y varianza explicada?
¿Qué se pierde al proyectar y cuándo PCA mejora una decisión?
Elegí una clase: el documento se abre directamente en el visor PDF del navegador. También podés usar el visor de diapositivas dedicado, que dispone de controles de avance y pantalla completa.
PCA · Análisis de Componentes Principales · 29 diapositivas