fanycaz / mineria-datos Goto Github PK

• Calcular cuales son los centros que dan menor distorsión y retornarlo
• Mostrar en un archivo de texto cada uno de los centros con su distorsión

Probablemente el de clase, aunque también podemos tomar bases de ejemplos ya hechos

Función que genere una lista del número indicado de centros con un número de coordenadas indicado

Debe retornar un numpy array

funcion generador(numero_centros,numero_coordenadas)
  # codigo
  # ejemplo de lo que debe retornar centros = [ [ 0,0,0], [1,1,1],[0,1,0] 
  return centros

Para el algoritmo de kmeansmod se debe obtener un subsample de toda la información, este subsample debe ser pequeño con un límite establecido y los elementos deben ser aleatorios.

Función que:

• Acepte la cantidad de elementos que debe ir en el subsample
• Regrese ese subsample
• No debe aceptar límites mayor a la longitud de la matriz original de información

Funciones que cuenten los valores necesarios para support, confidence y lift:

• Contar cuantos valores cumplen con ambas condiciones
• Contar cuantos valores cumplen con cada condición de forma independiente
• Función de support : total_elements/elementos que cumplen con ambas condiciones
• Función de confidence: elementos que cumplen con ambas condiciones/elementos que cumplen con la primera condición
• Función de lift (elementos que cumplen con ambas condiciones/total elementos) / ( ( elementos cumplen con primera condición / total elementos) * (elementos que cumplen con segunda condición/total elementos) )

Nota :
Si es posible modular el programa, estaría mejor para que no estén todos juntos en el for, de igual manera, si ves una mejor forma de buscar con la combinatoria, im all ears

Imprimir cualquier matriz en un archivo txt

• Acepta un nombre
• Acepta la matriz

El archivo debe tener:

Nombre que se paso a función

Matriz:
[matriz, que, se pasó]

Guardar función en un archivo utils.py dentro de carpeta de refining

Al inicio del programa preguntar al usuario la cantidad de centros que necesita.

• No debe aceptar más de la cantidad de elementos en la base de datos.
• Una vez que ingrese los centros, deben generarse aleatoriamente.
• La cantidad de elementos en cada centro es definida por la cantidad de variables que se estén analizando; es decir, el número de columnas que se estén analizando.

Nota: Se puede utilizar esta función input_normalized

Se deben calcular las distancias entre los centros de kmeans y los centros de kmeansmod