Hierarchical Clustering (Agrupamiento Jerárquico)

Método de aprendizaje no supervisado que organiza datos en forma de una estructura jerárquica de grupos o clústeres, donde los objetos similares se agrupan en niveles progresivos.

Su representación común es un dendograma, un diagrama de árbol que ilustra las relaciones de similitud entre los datos y la jerarquía de sus agrupaciones.

Existen dos enfoques principales: el aglomerativo, que comienza con cada elemento como un grupo independiente y los fusiona progresivamente, y el divisivo, que parte de un único grupo y lo divide recursivamente.

La proximidad entre los datos se mide según una métrica de similitud, como la distancia euclidiana o la distancia Manhattan.

Es útil para analizar datos no etiquetados y descubrir patrones o categorías inherentes en diversos dominios como biología, marketing o procesamiento de imágenes.

Su eficacia y desempeño dependen en gran medida de la calidad de los datos y la selección de la métrica de similitud adecuada.