Explicación para principiantes
El aprendizaje no supervisado busca estructuras sin etiquetas objetivo proporcionadas para la tarea principal de aprendizaje. El agrupamiento (clustering) organiza los ejemplos según una regla de similitud. Un grupo descubierto es un patrón en los datos, no necesariamente una categoría significativa del mundo real.
Explicación intermedia
K-means distribuye los puntos alrededor de k centroides minimizando las distancias euclídeas al cuadrado dentro de cada grupo. La escala de las características afecta al resultado. Otros métodos de agrupamiento utilizan supuestos diferentes, por lo que un mismo conjunto de datos puede producir distintas agrupaciones razonables.
Explicación avanzada
Selecciona las representaciones y métricas de distancia deliberadamente. K-means favorece clusters compactos bajo su objetivo y puede ser sensible a la inicialización y valores atípicos. Puntuaciones internas como el índice de silueta no demuestran utilidad empresarial ni validez ética.
PONLO EN CONTEXTO
Un ejemplo práctico
Agrupar clientes ficticios por número de visitas y gasto puede reunir a quienes gastan más. Si el gasto se mide en miles de dólares y las visitas en decenas, el gasto puede dominar las distancias calculadas directamente, salvo que se tenga en cuenta la escala de las variables.
PRUÉBALO POR TI MISMO
Practica la idea
Los puntos 1, 2, 9 y 10 forman dos grupos unidimensionales evidentes. Calcula sus centroides y explica qué no te dicen los clusters.
Revela la guía de respuestas
Los centroides son 1.5 y 9.5. Estos grupos no establecen por qué difieren los puntos, si el patrón persistirá o qué acción seguir. La interpretación requiere evidencia adicional.
Ve más allá: desafío avanzado
Compara la estabilidad del clúster bajo diferentes inicializaciones y datos remuestreados. Explica por qué la estabilidad sigue sin establecer causalidad.
Una actividad de debate abierto. Explica tus supuestos y las pruebas que los respaldan; puede haber más de una respuesta defendible.
Continúa la conversación
¿Qué parte de esta idea te gustaría probar o cuestionar? Compara tu razonamiento con la comunidad.
Encuentra discusiones relacionadas en el foro ↗Abre una búsqueda de temas en el foro existente de AstraCruz. Los resultados dependen de las publicaciones disponibles; puede ser necesario iniciar sesión. No se fabrican discusiones ni actividades.
Explora todos los forosLectura adicional
Explicaciones originales de AstraCruz y ejercicios ficticios. Estas referencias principales proporcionan un contexto técnico más amplio; los materiales vinculados pueden cambiar.
Tu marca de finalización se mantiene en este navegador.