Aproximación a un sistema comparativo basado en técnicas de clusterización para atletas de CrossFit
Loading...
Date
2026
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
Este trabajo de grado presenta el diseno e implementación de un sistema comparativo basado en la clusterización de atletas de CrossFit. A partir de un dataset público de rendimiento (variables antropometricas, levantamientos maximos y Benchmark WODs), se construyeron tres cohortes analiticas (mixta, masculina y femenina), se caracterizo el mecanismo de datos faltantes y se aplicaron dos estrategias de imputacion (one-step clustering imputation y multiple imputation pooled). Sobre los datasets completos se evaluaron dieciocho escenarios experimentales (3 cohortes x 2 imputaciones x 3 algoritmos: K-Means, Agglomerative Ward y GMM), con barridos de k =2, ... ,10. Como corte productivo se adopto la cohorte masculina (n = 9.576), imputación one-step y K-Means con k = 6, obteniendo seis perfiles interpretables de rendimiento. Sobre ese modelo se prototipó un módulo comparativo que asigna atletas a perfiles y facilita la identificacion de fortalezas y debilidades relativas. Los resultados muestran que la estructura de agrupamiento es robusta frente a la estrategia de imputacion y que K-Means ofrece mejor equilibrio entre separación y balance que los métodos de sensibilidad.