k-means

Actualizado 2020-01-29 Lectura 1 min

Resumen

k-means parte de una idea sencilla —agrupar puntos cercanos— y actualiza repetidamente los centroides (representantes) hasta que las asignaciones dejan de cambiar.
El objetivo que minimiza es la suma de cuadrados intraclúster (WCSS), es decir la distancia cuadrática entre cada muestra y el centroide de su clúster.
Con KMeans de scikit-learn es sencillo visualizar la convergencia, experimentar con inicializaciones y estudiar cómo cambian las asignaciones.
Para decidir \(k\) suelen combinarse criterios como el método del codo o la puntuación de silueta junto con el conocimiento del dominio.

Intuicion #

Este metodo se entiende mejor al conectar sus supuestos con la estructura de los datos y su efecto en la generalizacion.