AgrupamientoClustering
Juntar lo parecido sin ninguna etiqueta previa
- El agrupamiento (clustering) es juntar lo parecido sin que haya casillas fijadas. Se empieza con material sin ninguna etiqueta.
- Ponerle nombre al grupo lo hace una persona después de que ya está formado. El modelo solo llega a decir "esto se parece a esto".
- El resultado depende por completo de qué criterio se usó para decidir "parecido". Si se mira el grosor sale un grupo, si se mira el color sale otro distinto.
- Cuántos grupos se forman también lo suele decidir antes una persona. Cambiar el número cambia el resultado.
- Como no hay respuesta correcta, no se puede calificar como acierto o error. Si sirve o no, lo decide una persona mirando el resultado.
Contenido
1La analogía
En el armario de una casa recién mudada hay un montón de ropa amontonada. Todavía no está decidido dónde va cada cosa, y ninguna prenda lleva etiqueta. Aun así, se puede empezar a ordenar: la ropa gruesa se junta sola con la gruesa, la fina con la fina, casi sin pensarlo. El agrupamiento es esto: juntar lo parecido sin fijar antes ninguna casilla.
El nombre llega después de que el montón ya se formó. Se mira ese montón y se dice "esto es ropa de invierno", en ese orden, no al revés: no se hizo primero la casilla de ropa de invierno y luego se llenó.
También es curioso que el montón cambie según el criterio que se use. Si se agrupa por grosor, sale ropa de invierno y ropa de verano; si se agrupa por color, sale ropa oscura y ropa clara. Es el mismo armario, pero el resultado de ordenar es completamente distinto.
2En detalle
La casilla aparece después
Clasificación y agrupamiento se confunden fácilmente porque las dos "separan" a simple vista. Lo que las distingue es cuándo aparece la casilla. En la clasificación, la lista de casillas -destino Madrid, destino Barcelona- existe primero, y lo que entra va a parar a una de ellas. En el agrupamiento no hay lista de casillas: se junta todo y, al mirarlo, resulta que se formó un montón.
Por eso el material también es distinto. La clasificación necesita muchísimos ejemplos con la etiqueta de la respuesta correcta ya puesta, mientras que el agrupamiento no tiene ninguna etiqueta. Como la mayor parte del material del mundo se acumula sin etiquetas, este es el método al que primero se recurre cuando poner etiquetas sale caro.
Lo que devuelve el modelo tampoco es un nombre, sino un número: grupo 1, grupo 2. Si ese grupo es ropa de invierno o ropa de deporte lo pone quien mira dentro después.
Hay que fijar el criterio de "parecido"
La mitad del agrupamiento es decidir qué cuenta como parecido. Mirar la ropa por grosor, por color o por tejido produce montones completamente distintos. Sin fijar el criterio, ni siquiera se puede empezar.
En la práctica, cada dato se convierte en un puñado de números, y se mide cuánto se acercan esos puñados entre sí. En el caso de la ropa, el grosor, el largo de la manga o el brillo del color se vuelven números. Qué se incluye y qué se deja fuera decide el resultado.
Hay que tener cuidado especial al mezclar valores con escalas distintas. Si uno va de 0 a 1 y otro de 0 a 1000, el segundo termina acaparando toda la distancia. Por eso, antes de empezar, se ajustan las escalas de todos los valores para que sean parecidas.
En cuántos montones dividir
La pregunta con la que más se tropieza el agrupamiento es en cuántos montones dividir. Muchos de los métodos más usados no se mueven hasta que una persona les dice ese número de antemano. Si se le dice dos, hace dos montones; si se le dice seis, hace seis.
En el armario es como decidir si se usan dos cajones o seis. Con dos cajones, la ropa se separa a lo grande en gruesa y fina; con seis, se divide con más detalle por estación y por uso. No hay una opción correcta, solo la que conviene según para qué se necesite.
También hay métodos que ayudan a elegir ese número: se va aumentando la cantidad de montones y se mide cuánto se compacta cada uno por dentro, y se para en el punto donde seguir subiendo ya no mejora casi nada. Aun así, la decisión final la toma quien mira el resultado.
Sin respuesta correcta, la forma de calificar también cambia
En la clasificación hay una respuesta correcta, así que se puede contar cuántas se acertaron. En el agrupamiento no hay una respuesta que contar. Primero hay que decidir qué significa "bien agrupado". Lo habitual es medir si dentro del mismo montón las cosas están cerca entre sí y lejos de los otros montones.
Aun así, ese número no garantiza un buen orden. Se puede separar la ropa por color de forma muy prolija, pero para quien quiere sacar ropa según la estación, ese orden no sirve de nada. Si encaja con el propósito, al final lo tiene que ver una persona.
Por eso el agrupamiento funciona más como una herramienta para explorar el material que como una herramienta que da una respuesta. Sirve para dividir a los clientes en unos cuantos grupos y descubrir "así que existía este grupo", o para encontrar un dato que quedó extrañamente solo, separado del resto.
3Con más precisión
El agrupamiento mira solo la estructura del material, sin ninguna etiqueta de respuesta correcta, así que pertenece al aprendizaje no supervisado. El método más extendido fija primero el número de grupos, coloca el centro de cada uno, pega cada dato al centro más cercano y va desplazando ese centro una y otra vez. También existen métodos que ven como un grupo las zonas de alta densidad y dejan fuera los datos dispersos, o que van uniendo lo más cercano por pasos hasta formar una figura en forma de árbol. Según el método cambia la forma y la cantidad de los grupos, y también cómo se trata a los datos que no entran en ninguno.
La analogía también tiene sus costuras. Ordenar un armario mete cada prenda en un solo cajón, pero el agrupamiento puede hacer que un mismo dato pertenezca un poco a varios grupos a la vez. Tampoco los grupos salen siempre tan bien separados: en el material real, un grupo suele estar pegado al siguiente, y cortar en cualquier punto se siente forzado. Además, la mano humana sabe qué significa "ropa de invierno" y agrupa con esa idea en mente, mientras que el agrupamiento no sabe nada de ese significado: solo mira la distancia entre números.
4Pruébalo
5Malentendidos comunes
Es fácil pensar que el agrupamiento es la versión fácil de la clasificación, pero en realidad es un problema distinto que arranca sin ninguna casilla, y tampoco se puede calificar con una respuesta correcta.
Es fácil pensar que el modelo le pone nombre al grupo, pero en realidad solo pone un número, y qué es ese grupo lo decide una persona mirándolo después.
Es fácil suponer que con solo meter los datos ya se ordenan bien solos, pero en realidad el resultado cambia por completo según cómo se fije el criterio de parecido y el número de grupos.
7Resumen en una línea
En resumenEl agrupamiento junta en montones el material sin etiqueta según lo parecido que sea, y qué es cada montón lo decide una persona después de verlo formado.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización2026-09-02