Medidas Teóricas de Información para la Comparación de Agrupaciones: Variantes, Propiedades, Normalización y Corrección por Ocasión

Las medidas teóricas de información forman una clase fundamental de medidas para comparar agrupaciones y han recibido recientemente un interés creciente. Sin embargo, varias preguntas sobre sus propiedades y relaciones interpersonales siguen sin resolver. En este artículo, realizamos un estudio organizado de las medidas teóricas de información para la comparación de agrupaciones, incluyendo varias medidas populares existentes en la literatura, así como algunas propuestas recientemente. Discutimos y probamos sus propiedades importantes, como la propiedad métrica y la propiedad de normalización. Luego, destacamos para la comunidad de agrupación la importancia de corregir las medidas teóricas de información por ocasión, especialmente cuando el tamaño de los datos es pequeño en comparación con el número de agrupaciones presentes. De las medidas basadas en la teoría de la información disponibles, defendemos la distancia de información normalizada (NID) como una medida general de elección, ya que posee concurrentemente varias propiedades importantes, como ser tanto una medida métrica como una medida normalizada, admitiendo una forma analítica exacta corregida por ocasión y utilizando el rango nominal 0,1 mejor que otras variantes normalizadas.