Aprendizaje No Supervisado

Es un método dentro del campo del aprendizaje automático que se utiliza para encontrar patrones, estructuras o relaciones en conjuntos de datos no etiquetados y sin la intervención directa de un ser humano.

Se enfoca en agrupar, organizar o reducir la dimensionalidad de los datos con el objetivo de descubrir información oculta o desconocida previamente.

No requiere datos previamente clasificados y utiliza algoritmos capaces de analizar las similitudes o diferencias entre los elementos de un conjunto.

Entre las técnicas más comunes se encuentran los algoritmos de clustering, como k-means, y los métodos de reducción de dimensionalidad, como Análisis de Componentes Principales (PCA).

Es ampliamente usado en aplicaciones como el análisis de mercado, segmentación de clientes, detección de anomalías y exploración de datos.

Reducción de dimensionalidad con PCA en Python: Cómo simplificar datos complejos