Agrupamiento Particional

Método no supervisado en el ámbito de la inteligencia artificial y el aprendizaje automático que separa un conjunto de datos en distintos grupos o clústeres basándose en similitudes entre los elementos.

Los datos se agrupan de forma que los elementos dentro de un clúster sean lo más similares posibles entre sí, mientras que los clústeres en sí mismos sean lo más diferentes posible entre ellos.

Requiere que el número de clústeres a formar sea definido previamente por el usuario o determinado mediante métodos de validación.

Ejemplos populares incluyen el algoritmo k-means, que asigna puntos a clústeres en función de la distancia a sus centroides, o k-medoids, una variación más robusta ante la presencia de valores atípicos.

Se aplica en diversas áreas como la segmentación de clientes, la reducción de dimensionalidad o el análisis de datos complejos.