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.
El mundo está experimentando un crecimiento exponencial en la generación de datos con una escala cada vez mayor. Según IDC (International Data Corp [...]
Leer más »Hoy en día la transformación digital es clave en cualquier tipo de negocio. El 40% de las empresas españolas no existirá en su forma actual en los [...]
Leer más »A la hora de buscar financiación para empresas, una de las fórmulas más utilizadas en la actualidad es el factoring. Se trata de un recurso no siem [...]
Leer más »Una vez que se tenga claro los conceptos base para construir un software comercial con inteligencia artificial donde se define a quién dedicar esfuer [...]
Leer más »