Autor: Quintana Pablo
Institución: UNCuyo
Año: 2022
JEL: C18
Resumen:
Los algoritmos de clustering con restricción espacial existentes están enfocados principalmente en obtener regiones contiguas, pero no hay muchos trabajos que contemplen la agrupación de series temporales. En este paper se propone una nueva metodología de regionalización que contempla los avances que se vienen haciendo en el campo de redes neuronales y aprendizaje no supervisado denominada spatial constraints into deep embedding clustering (SDEC). El propósito del algoritmo es agrupar unidades espaciales transformando el espacio de atributos en otro de menor dimensión representado por variables latentes que logren destacar la característica del grupo al que pertenecen. Se realizaron simulaciones de series temporales por cada unidad espacial en dónde, SDEC muestra resultados superiores con respecto a otros métodos existentes en la literatura. Con el objetivo de aplicar el método a problemas de la vida real, se hace un breve estudio de la evolución del virus del Covid 19 por departamento o partido de la República Argentina, posteriormente se trata de llegar a una interpretación de los resultados obtenidos para evaluar el funcionamiento del algoritmo.