Please enable JavaScript.
Coggle requires JavaScript to display documents.
3.14 K/Means. - Coggle Diagram
3.14 K/Means.
-
-
-
-
-
-
-
-
kmeans = KMeans(n_clusters=3, random_state=42)
-
-
-
-
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis')
plt.scatter(centroids[:, 0], centroids[:, 1], s=300, c='red', label='Centroides')
-
-
-
-
-
Proceso de K-means
-
Asignación:
Asignar cada punto al centroide más cercano, formando K clústeres.
-
Repetición:
Repetir los pasos de asignación y actualización hasta que los centroides no cambien significativamente o se alcance el número máximo de iteraciones.
Ventajas y Desventajas
-
Desventajas
Selección del número de clústeres (K): Requiere especificar K previamente, lo cual puede no ser trivial.
-
-
plicaciones de K-means
Segmentación de Clientes: Agrupar clientes en diferentes segmentos basados en su comportamiento de compra.
-
-
-
objetivo de K-means es dividir un conjunto de datos en K grupos distintos (clústeres) donde cada punto pertenece al clúster con el centroide más cercano. El algoritmo busca minimizar la varianza dentro de los clústeres.