Definición
La clustering aglomerativa comienza tratando cada objeto como un grupo separado. Luego, el algoritmo va combinando paso a paso los grupos más parecidos hasta obtener el número deseado de clústeres o una jerarquía. Este enfoque es útil cuando no se sabe de antemano cómo se divide exactamente los datos en grupos.
Ejemplo
El servicio de analítica puede agrupar usuarios por comportamientos similares: frecuencia de visitas, intereses y compras.
Por qué importa
El término es importante para la segmentación de clientes, el análisis de documentos, la búsqueda de objetos similares y la investigación inicial de datos sin etiquetas preparadas.
Cómo funciona
El algoritmo selecciona una medida de distancia y una regla para combinar clústeres. El resultado suele mostrarse como un árbol, donde se ve qué grupos están más cerca entre sí.
Dónde se usa
- segmentación de clientes
- clustering de documentos
- análisis de objetos similares
Limitaciones
El método puede ser lento con grandes volúmenes de datos y sensible a la elección de la distancia. El resultado no siempre es fácil de interpretar sin la verificación de una persona experta.
FAQ
¿Por qué es útil conocer “Agglomerative Clustering”?
El término es importante para la segmentación de clientes, el análisis de documentos, la búsqueda de objetos similares y la investigación inicial de datos sin etiquetas preparadas.