Agrupamiento K-Means
El agrupamiento K-Means es un algoritmo de agrupamiento particional basado en centroides, atribuido a J. MacQueen en 1967, que divide los datos en k clústeres asignando cada observación a su centro de clúster más cercano. Se utiliza ampliamente para la segmentación de marketing, la agrupación de clientes y el análisis exploratorio.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Fuentes
- MacQueen, J. (1967). Some Methods for Classification and Analysis of Multivariate Observations. Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297. link ↗
Cómo citar esta página
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/es/machine-learning/k-means-clustering
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Agrupamiento jerárquicoAprendizaje automático↔ compare
- Análisis Discriminante Lineal (LDAEstadística↔ compare
- Random ForestAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →