ldvignolo
commented
6 years ago Buenas! Me parece muy buena la estrategia que proponés. Lo que me genera duda es el paso 3, donde proponés promediar la afinidad promedio de distintos grupos. Me parece que ese promedio directo no va a representar la afinidad global de un cluster con otro. Para poder decidir a qué cluster "grande" agregarle las imágenes de un cluster "chico" me parece que habría que buscar las afinidades de cada par de imágenes de la suma de ambos ambos clusters. Es decir, para "cada cluster grande candidato" armar un nuevo grupo que contenga las imágenes de éste junto con las imágnes del "cluster chico", y buscar todas las afinidades de a pares en este nuevo cluster. Luego se puede comparar la afinidad promedio de ese nuevo cluster con la de los otros clusters, para ver si conviene o no juntarlos.
2018-07-19 18:20 GMT-03:00 franyack notifications@github.com:
El objetivo de este issue es poner en discusión formas de tratar aquellos escenarios donde el resultado del clustering arroje carpetas con poco porcentaje de imágenes sobre la cantidad de imágenes total (ej: carpetas con una cantidad de imágenes menor al 4% del total). Al final del día, lo que se quisiera lograr es "conglomerar" estas carpetas pequeñas con otras que tengan un grado de similitud alto.
Un caso de estudio podría ser el siguiente:
1- Detectar aquellos cluster que cumplan con la condición nombrada anteriormente (≈ 4% del total) 2- Para TODOS los clusters (tanto los chicos como los grandes): 2.1 - Buscar por cada par de imágenes el número de afinidad que tienen entre sí. 2.2 - Sacar un promedio de todos estos valores y así obtener una "afinidad promedio" por cada cluster. 3- Promediar cada "afinidad promedio" de los grupos pequeños con las demás y observar si empeora o mejora. 4- Volver a medir si algún "nuevo cluster" sigue cumpliendo con la condición de ser muy chico y repetir el proceso, o bien desistir y terminar.
Debería realizarse sobre un caso concreto, afín de poder identificar y medir cuanto es (numéricamente) que empeore o mejore la conglomeración (que mantenga el promedio? que lo supere tanto %?, etc).
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/franyack/IMachineApp/issues/26, or mute the thread https://github.com/notifications/unsubscribe-auth/APJ-G6wqafJbX6QeWSwzHJTH29dfoUMFks5uIPgSgaJpZM4VXHHT .
franyack
El objetivo de este issue es poner en discusión formas de tratar aquellos escenarios donde el resultado del clustering arroje carpetas con poco porcentaje de imágenes sobre la cantidad de imágenes total (ej: carpetas con una cantidad de imágenes menor al 4% del total). Al final del día, lo que se quisiera lograr es "conglomerar" estas carpetas pequeñas con otras que tengan un grado de similitud alto.
Un caso de estudio podría ser el siguiente:
1- Detectar aquellos cluster que cumplan con la condición nombrada anteriormente (≈ 4% del total) 2- Para TODOS los clusters (tanto los chicos como los grandes): 2.1 - Buscar por cada par de imágenes el número de afinidad que tienen entre sí. 2.2 - Sacar un promedio de todos estos valores y así obtener una "afinidad promedio" por cada cluster. 3- Promediar cada "afinidad promedio" de los grupos pequeños con las demás y observar si empeora o mejora. 4- Volver a medir si algún "nuevo cluster" sigue cumpliendo con la condición de ser muy chico y repetir el proceso, o bien desistir y terminar.
Debería realizarse sobre un caso concreto, afín de poder identificar y medir cuanto es (numéricamente) que empeore o mejore la conglomeración (que mantenga el promedio? que lo supere tanto %?, etc).