Deep Embedding Clustering en R: Implementación y evaluación de DEC, IDEC y DECR

Abstract

Este trabajo se centra en la implementación en R de tres algoritmos representativos de Deep Embedding Clustering: DEC, IDEC y DECRA. A través de una revisión teórica del aprendizaje profundo aplicado al clustering no supervisado, se contextualizan los modelos desde sus fundamentos hasta su formulación algorítmica.

Cada algoritmo ha sido reimplementado desde su versión original en Python, adaptando las arquitecturas y funciones de pérdida al entorno R mediante los paquetes Keras y TensorFlow, con el objetivo de garantizar consistencia metodológica y facilitar la evaluación comparativa. La experimentación se ha llevado a cabo sobre cinco conjuntos de datos estándar (MNIST, Fashion-MNIST, USPS, CIFAR-10 y Reuters-10K), utilizando métricas como Accuracy y Normalized Mutual Information para validar la calidad del agrupamiento.

Los resultados muestran que la implementación propuesta reproduce con fidelidad el comportamiento esperado de los algoritmos, y permiten analizar sus diferencias de rendimiento y estabilidad en distintos escenarios. El código desarrollado, así como los parámetros y resultados, se han documentado para asegurar la reproducibilidad y facilitar futuros trabajos en este campo.