K-means por coordinación
La meta: compactez
K-means busca partir los datos en k grupos de forma que cada punto esté lo más cerca posible del centro de su grupo. La calidad se mide con la inercia: la suma de cuadrados de distancia de cada punto a su centroide. Minimizarla es el objetivo del algoritmo.
Paso de asignación
Dados unos centroides, cada punto se asigna al centroide más cercano. Así nacen k grupos: todos los puntos que comparten centro. Este paso reparte el espacio en regiones de Voronoi alrededor de cada centro.
Paso de actualización
Con los grupos formados, cada centroide se recalcula como la media de los puntos que lo integran. Los centros se deslizan hacia el corazón de sus seguidores, buscando reducir la distancia media.
Alternar hasta converger
Asignación y actualización se repiten en bucle. En cada ronda la inercia baja o se mantiene, y nunca sube —el algoritmo desciende un objetivo—, hasta que las asignaciones se estabilizan y ya no hay movimiento: convergencia.
Elegir k: el codo
K es un hiperparámetro que hay que fijar. Una pista es la regla del codo: graficar inercia contra k y buscar el punto donde la bajada se aplana. Complementa con la silhouette, que mide qué bien separados quedan los grupos.
Sensibilidad al escalado
K-means trabaja con distancias euclídeas, así que una variable en miles dominará a otra en unidades. Sin estandarizar, los grupos reflejarán las escalas arbitrarias de las columnas y no la estructura real. Escalar antes es imprescindible.
Inicialización k-means++
Elegir los centros iniciales al azar puede conducir a soluciones pobres. K-means++ esparce las semillas iniciales, alejándolas entre sí, lo que acelera la convergencia y mejora mucho la calidad media del resultado. Hoy es el método por defecto.
Óptimos locales
K-means no garantiza el mejor agrupamiento posible: puede quedarse atrapado en un mínimo local según cómo empiece. Por eso se ejecuta varias veces con reinicios distintos y se conserva el de menor inercia.
Errores frecuentes
- No estandarizar y dejar que las escalas manden en la formación de grupos.
- Forzar k-means sobre grupos alargados o anidados, que no es capaz de encontrar.
- Elegir k por antojo en lugar de consultar el codo y la silhouette.
Ejemplo resuelto: segmentar clientes por gasto
Una tienda en línea quiere dividir su base de clientes por frecuencia y monto de compra, sin tener etiquetas previas. El camino:
- Escalar: estandarizar gasto y frecuencia para que una unidad no domine a la otra.
- Sembrar: colocar los k centroides iniciales con k-means++ para arrancar bien.
- Coordinar: repetir asignar y recentrar hasta que las etiquetas dejen de cambiar.
- Elegir k: mirar la regla del codo y confirmar con la silhouette.
- Nombrar: inspeccionar los centros resultantes y bautizar cada segmento.
¿Para qué sirve en la realidad?
K-means es el caballo de batalla de la segmentación de clientes, la compresión de color y el preproceso de grandes catálogos: rápido, escalable y fácil de explicar, siempre que los grupos sean compactos y las escalas estén cuidadas.
¿Qué garantiza cada ronda completa de asignación y actualización en k-means?
K-means descubre bien grupos con forma de media luna entrelazadas.
Qué es un centroide
El centroide es la media vectorial de su grupo, un punto que puede no corresponder a ningún ejemplo real. Representa al grupo por igual en todas las dimensiones, y moverlo hacia el corazón de sus miembros es lo que afina la partición ronda tras ronda.
K-means
Toca una tarjeta para ver la respuesta.
Ordena una iteración del algoritmo k-means:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
Visualizing k-means clusteringDemo interactiva que muestra la coordinación de asignación y actualización paso a paso.
Une cada pieza de k-means con su papel.
Grupos que se coordinan solos
- K-means
- Objetivo
- minimizar inercia
- minimizar inercia
- grupos compactos
- Objetivo
- asignar
- regla del codo
- estandarizar
¿Qué es la agrupación k-means?Explicación de referencia en español del algoritmo y sus aplicaciones.
Tu k-means sobre datos sin estandarizar agrupa por una sola variable. Explica con tus palabras por qué ocurre y qué dos cambios lo arreglarían.
Tu texto se guarda sólo en este dispositivo.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.