K-means es un algoritmo de clustering utilizado en el campo del aprendizaje no supervisado. El objetivo del algoritmo es agrupar un conjunto de datos en K clusters, donde K es un número predefinido de clusters. El algoritmo comienza seleccionando K centroides al azar y asignando cada punto de datos al centroide más cercano. Luego, el algoritmo recalcula los centroides como la media de todos los puntos de datos asignados a cada centroide, y repite el proceso de asignación y recalculo de centroides hasta que la convergencia se alcanza y los centroides ya no cambian de posición significativamente. Como resultado se consigue dividir el espacio de los datos en K celdas de Voronoi (uno por centroide), pudiendo asociar cada observación de entrada al centroide más cercano. El algoritmo K-means es ampliamente utilizado en tareas de segmentación de clientes, clasificación de texto y procesamiento de imágenes, entre otras aplicaciones.
Una de las decisiones a las que se enfrenta una empresa que necesite una infraestructura de IT, es la de elegir en dónde se localiza esta infraestruc [...]
Leer más »En la era digital en la que vivimos, la inteligencia artificial (IA) ha emergido como una fuerza disruptiva en numerosas industrias, y el sector banca [...]
Leer más »Las oportunidades de negocio están en todas partes y muchas veces no sabemos cuales son los sectores con mayor potencial para el emprendimiento. [...]
Leer más »En los anteriores artículos ("Conceptos base para construir un software comercial con inteligencia artificial" y "¿Cómo se materializan las oportun [...]
Leer más »
