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.
Las empresas de Software as a Service (SaaS) han ganado un enorme protagonismo en los últimos años, principalmente por lo novedoso de los productos [...]
Leer más »Los métodos de clustering, o agrupamiento, son una pieza fundamental en el proceso de análisis de los datos, pues permiten una segmentación automá [...]
Leer más »La inteligencia artificial (IA), el Aprendizaje Automático (ML) y el análisis de datos están cambiando rápidamente y teniendo un gran impacto en e [...]
Leer más »El término Business Intelligence (o BI) define el uso de tecnologías de la información para identificar, descubrir y analizar datos comerciales, co [...]
Leer más »