Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Introducción
2 Marco Teórico
Dado que este trabajo se centrará en el análisis del funcionamiento de los métodos de
Single, Complete y Average link –todos pertenecientes a la técnica de Clustering
jerárquico–, se procederá a definirlos brevemente.
2.1 Clustering Jerárquico
csv: Implementa clases para leer y escribir datos tabulares en formato CSV.
En este trabajo se ha utilizado la función csv.reader( csvfile , dialect = 'excel'
, ** fmtparams ) que devuelve un objeto que puede ser iterado para obtener
los datos del archivo en cuestión [4].
numpy: Se encarga de añadir toda la capacidad matemática y vectorial a
Python haciendo posible operar con cualquier dato numérico o array [5].
matplotlib: Se encarga de los dibujos 2D y 3D, y que se ha utilizado para los
gráficos y dendogramas [6].
scipy: fue utilizada como soporte para visualización interactiva de datos y
uso de herramientas GUI [7].
random: Implementa generadores de números pseudoaleatorios [8].
PyQt5: PyQt permite integrar la visual con la lógica de la aplicación. La
visual fue desarrollada mediante la herramienta Qt4Designer [9,10].
Simulación 1: Resultados
Simulación 2: Resultados
5 Conclusiones
6 Bibliografía y webgrafía