ACP en grandes volúmenes de datos

El análisis a grandes volúmenes de datos o matrices de gran dimensionalidad gana importancia en la actualidad gracias al desarrollo de las nuevas tecnologías de información. El presente trabajo tiene por objetivo abarcar dicha problemática, teniendo en cuenta el reciente cómputo en paralelo y una técnica estadística de tipo descriptivo del análisis multivariado, aplicada a variables cuantitativas continuas. Específicamente, se hará uso del análisis de componentes principales mediante un algoritmo vía NIPALS. La propuesta ofrece como resultado un algoritmo que sirve de insumo principalmente a las ciencias de la computación, con el fin de implementar el análisis de componentes principales integral y procesado en paralelo a futuros proyectos. Se verificarán las propiedades intrínsecas del ACP en cada uno de los pasos y, a través de los resultados, se presentará la comparación de este método con algunos otros, mostrando que, en efecto, es un método más eficiente y que, a pesar del poder de procesamiento que tiene hoy día la computación, este método puede resultar una mejor manera de análisis a grandes volúmenes de datos.

• Autores: Ceballos Ayala, Juan David; Tapia Pizo, Fiorella Jessica Vanessa
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2017
• Institución: Universidad del Valle
• Repositorio: Repositorio Digital Univalle
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.univalle.edu.co:10893/38815
• Acceso en línea: https://hdl.handle.net/10893/38815
• Palabra clave: Analisis multivariado; Estadística aplicada; Algoritmo NIPALS; Ciencia de datos
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/