Aplicación de machine learning para datos geoquímicos regionales: características geoquímicas de elementos de ocurrencias de trazas de la Cordillera Occidental del Ecuador

Abstract

En el presente estudio se materializa la importancia de la interpretación precisa de los datos y la interacción multidisciplinaria para comprender fenómenos geológicos complejos, mediante la aplicación de técnicas de clustering. El análisis de clusters y la visualización de datos emergieron como herramientas fundamentales para descubrir patrones y relaciones ocultas en conjuntos de datos. Los gráficos Q Q y de dispersión se destacaron como formas efectivas de evaluar la calidad de los datos y las relaciones entre variables. La selección del número óptimo de clusters en el análisis de clustering fue abordada a través de técnicas como la curva de deflexión, que permiten identificar un equilibrio entre la explicación de la varianza y la complejidad del modelo. El conocimiento geológico se demostró crucial para la interpretación de la composición de las rocas. Se exploraron composiciones de basaltos y andesitas, con énfasis en cómo estas composiciones reflejan el origen y la formación de las rocas, así como su potencial para albergar minerales de valor económico. Es importante perfilar a la investigación a un enfoque holístico y basado en datos para comprender fenómenos científicos y geológicos complejos. La combinación de técnicas analíticas y conocimiento de dominio es esencial para tomar decisiones informadas y extraer información significativa de los datos en diversas aplicaciones.