132 definiciones completas de PCA, K-Means y clustering jerárquico, con fundamentos, ejemplos, errores y enlaces al laboratorio. Un concepto está aprendido cuando podés explicarlo, conectarlo con una fórmula, reconocer sus supuestos y decidir cuándo no corresponde usarlo.
132 definiciones amplias6 áreas temáticasModo claro y oscuroProgreso guardadoLectura e impresión
Método recomendado. Leé primero la síntesis, abrí la explicación, identificá la condición matemática y contrastá con un caso. Las definiciones incorporan vínculos conceptuales y errores habituales.
001 / 132 · Fundamentos y preparación
Aprendizaje no supervisado
Definición y significado
Busca regularidades de la distribución de las variables sin disponer de una etiqueta objetivo que indique la respuesta correcta.
Fundamento técnico · por qué funciona
Los patrones emergen de distancias, densidades, covariaciones o estructuras latentes; el resultado depende tanto del algoritmo como de la representación elegida.
Caso de negocio o lectura de resultados
En marketing se exploran perfiles de clientes antes de diseñar campañas diferenciadas, sin disponer de segmentos verdaderos observados.
Error frecuente y límite de aplicación
Que aparezcan grupos no prueba que existan categorías naturales ni garantiza utilidad comercial.
Conexión para profundizar
La relación con «Partición por clusters» ayuda a delimitar el alcance del término: Distribuye las observaciones en grupos disjuntos, de modo que cada registro recibe una asignación en el esquema clásico. El algoritmo puede forzar una partición incluso cuando el conjunto es continuo y no contiene cortes naturales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Partición por clusters».
Busca regularidades de la distribución de las variables sin disponer de una etiqueta objetivo que indique la respuesta correcta.
002 / 132 · Fundamentos y preparación
Observación y unidad de análisis
Definición y significado
Una observación representa la entidad sobre la que se desea razonar: cliente, transacción, sucursal, producto o período.
Fundamento técnico · por qué funciona
Elegir la unidad fija el significado de cada fila, la población de inferencia y el nivel al que se aplicarán las decisiones.
Caso de negocio o lectura de resultados
Si una fila es una compra y no un cliente, el clustering describe operaciones, no necesariamente comportamientos persistentes de individuos.
Error frecuente y límite de aplicación
Confundir transacciones con personas genera perfiles inconsistentes y puede duplicar artificialmente algunas entidades.
Conexión para profundizar
La relación con «Segmentación RFM» ayuda a delimitar el alcance del término: Organiza comportamiento comercial mediante recencia, frecuencia y valor monetario de transacciones. RFM no contiene por sí mismo rentabilidad neta, sensibilidad al precio ni causalidad.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Segmentación RFM».
Una observación representa la entidad sobre la que se desea razonar: cliente, transacción, sucursal, producto o período.
003 / 132 · Fundamentos y preparación
Variable o característica
Definición y significado
Es una dimensión medible que describe una observación y puede intervenir en la distancia o en la proyección.
Fundamento técnico · por qué funciona
La elección de variables determina qué diferencias se consideran relevantes; una variable redundante puede contar dos veces una dimensión económica.
Caso de negocio o lectura de resultados
Un modelo comercial puede usar frecuencia de compra, gasto medio y antigüedad, justificando su relación con la acción futura.
Error frecuente y límite de aplicación
Agregar variables por disponibilidad, sin hipótesis, puede diluir estructuras útiles y amplificar sesgos.
Conexión para profundizar
La relación con «Sesgo de selección» ayuda a delimitar el alcance del término: Ocurre cuando la muestra disponible representa de manera distorsionada la población sobre la que se pretende decidir. Más observaciones no corrigen por sí mismas un mecanismo de selección sesgado.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Sesgo de selección».
Es una dimensión medible que describe una observación y puede intervenir en la distancia o en la proyección.
004 / 132 · Fundamentos y preparación
Espacio de características
Definición y significado
Es el espacio de dimensión p en el que cada observación ocupa una posición definida por sus p variables.
Fundamento técnico · por qué funciona
Las distancias y las orientaciones principales solo tienen significado respecto de las coordenadas y escalas escogidas.
Caso de negocio o lectura de resultados
Dos clientes cercanos en gasto y frecuencia quizá estén lejos si también se incorpora sensibilidad al descuento.
Error frecuente y límite de aplicación
Un gráfico bidimensional puede ocultar separaciones que existen en el espacio original de mayor dimensión.
Conexión para profundizar
La relación con «Dimensionalidad intrínseca» ayuda a delimitar el alcance del término: Es la cantidad aproximada de grados de libertad que describen la estructura útil de los datos, potencialmente menor que las columnas originales. Una estimación baja no asegura que esas dimensiones sean las que mejor predicen el resultado comercial.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Dimensionalidad intrínseca».
Es el espacio de dimensión p en el que cada observación ocupa una posición definida por sus p variables.
005 / 132 · Fundamentos y preparación
Métrica de distancia
Definición y significado
Es una regla de comparación que cuantifica cuán diferentes son dos observaciones y, cuando satisface los axiomas matemáticos, constituye una métrica.
Fundamento técnico · por qué funciona
Debe respetar no negatividad, simetría, identidad de los indiscernibles y desigualdad triangular; no toda disimilitud de negocios cumple estas condiciones.
Caso de negocio o lectura de resultados
La distancia euclídea tiene sentido con variables numéricas comparables; otras representaciones exigen otro criterio.
Error frecuente y límite de aplicación
Elegir una distancia por costumbre, sin justificar variables y escalas, convierte los grupos en artefactos de representación.
Conexión para profundizar
La relación con «Distancia euclídea» ayuda a delimitar el alcance del término: Es la longitud del segmento recto entre dos puntos; en p dimensiones se calcula como la raíz de la suma de diferencias cuadradas. No representa correctamente todas las nociones de similitud: dos trayectorias temporales parecidas pueden estar lejos euclídeamente.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancia euclídea».
Es una regla de comparación que cuantifica cuán diferentes son dos observaciones y, cuando satisface los axiomas matemáticos, constituye una métrica.
006 / 132 · Fundamentos y preparación
Distancia euclídea
Definición y significado
Es la longitud del segmento recto entre dos puntos; en p dimensiones se calcula como la raíz de la suma de diferencias cuadradas.
Fundamento técnico · por qué funciona
Su sensibilidad a las unidades crece cuando unas variables varían mucho más que otras; K-Means clásico la vincula a una función objetivo cuadrática.
Relación matemática esencial
d(x,y)=√[Σⱼ(xⱼ−yⱼ)²]
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Un cambio de 1000 pesos en gasto puede pesar más que diez compras adicionales si no se estandariza.
Error frecuente y límite de aplicación
No representa correctamente todas las nociones de similitud: dos trayectorias temporales parecidas pueden estar lejos euclídeamente.
Conexión para profundizar
La relación con «Métrica de distancia» ayuda a delimitar el alcance del término: Es una regla de comparación que cuantifica cuán diferentes son dos observaciones y, cuando satisface los axiomas matemáticos, constituye una métrica. Elegir una distancia por costumbre, sin justificar variables y escalas, convierte los grupos en artefactos de representación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Métrica de distancia».
Es la longitud del segmento recto entre dos puntos; en p dimensiones se calcula como la raíz de la suma de diferencias cuadradas.
007 / 132 · Fundamentos y preparación
Distancia Manhattan
Definición y significado
Suma los valores absolutos de las diferencias coordenada a coordenada y es conocida como norma L1.
Fundamento técnico · por qué funciona
Genera geometrías de proximidad diferentes de la euclídea y puede resultar menos sensible al predominio de discrepancias cuadráticas muy grandes.
Relación matemática esencial
d₁(x,y)=Σⱼ|xⱼ−yⱼ|
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Para comparar desvíos de varios indicadores, sumar diferencias absolutas ofrece una lectura aditiva de magnitudes.
Error frecuente y límite de aplicación
No debe atribuirse automáticamente a K-Means clásico, cuya actualización por medias optimiza la suma de cuadrados euclídeos.
Conexión para profundizar
La relación con «Distancia euclídea» ayuda a delimitar el alcance del término: Es la longitud del segmento recto entre dos puntos; en p dimensiones se calcula como la raíz de la suma de diferencias cuadradas. No representa correctamente todas las nociones de similitud: dos trayectorias temporales parecidas pueden estar lejos euclídeamente.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancia euclídea».
Suma los valores absolutos de las diferencias coordenada a coordenada y es conocida como norma L1.
008 / 132 · Fundamentos y preparación
Similitud del coseno
Definición y significado
Compara la orientación de dos vectores mediante el producto interno normalizado por sus longitudes.
Fundamento técnico · por qué funciona
Distingue patrones proporcionales de composición incluso cuando los niveles absolutos difieren, siempre que los vectores no sean nulos.
Relación matemática esencial
sim(x,y)=(x·y)/(‖x‖‖y‖)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Dos clientes pueden comprar cantidades muy distintas pero dedicar proporciones parecidas a las mismas categorías.
Error frecuente y límite de aplicación
Si la magnitud total importa para decidir, usar solo orientación borra deliberadamente información económica relevante.
Conexión para profundizar
La relación con «Métricas de negocio» ayuda a delimitar el alcance del término: Son indicadores de resultados operativos o económicos que convierten una segmentación descriptiva en una decisión evaluable. Silhouette alta y mayor cantidad de segmentos no equivalen a rentabilidad.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Métricas de negocio».
Compara la orientación de dos vectores mediante el producto interno normalizado por sus longitudes.
009 / 132 · Fundamentos y preparación
Distancia de Mahalanobis
Definición y significado
Mide separación relativa teniendo en cuenta correlaciones y dispersión, mediante la matriz de covarianza inversa cuando es invertible.
Fundamento técnico · por qué funciona
Un desplazamiento en una dirección poco variable resulta más notable que el mismo desplazamiento en una dirección muy dispersa.
Relación matemática esencial
d²(x,μ)=(x−μ)ᵀΣ⁻¹(x−μ)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
En detección de perfiles inusuales permite valorar combinaciones de gasto y frecuencia en lugar de variables aisladas.
Error frecuente y límite de aplicación
Una estimación de covarianza inestable o singular exige regularización o métodos robustos.
Conexión para profundizar
La relación con «Matriz de covarianza» ayuda a delimitar el alcance del término: Contiene las covarianzas entre pares de variables y las varianzas en su diagonal principal. Su interpretación depende de las unidades; una variable expresada en cifras mayores puede dominar los autovalores.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Matriz de covarianza».
Mide separación relativa teniendo en cuenta correlaciones y dispersión, mediante la matriz de covarianza inversa cuando es invertible.
010 / 132 · Fundamentos y preparación
Distancias mixtas y Gower
Definición y significado
Permiten evaluar observaciones que combinan variables numéricas, ordinales y categóricas usando contribuciones adaptadas a cada tipo.
Fundamento técnico · por qué funciona
La disimilitud de Gower promedia contribuciones normalizadas entre variables observadas y admite tratamiento explícito de faltantes.
Caso de negocio o lectura de resultados
En una base de clientes con provincia, facturación y tamaño de empresa puede ser más apropiada que codificar categorías ingenuamente.
Error frecuente y límite de aplicación
Aplicar Ward o K-Means euclídeo directamente a cualquier matriz de Gower no conserva necesariamente sus supuestos.
Conexión para profundizar
La relación con «Codificación one-hot» ayuda a delimitar el alcance del término: Representa una categoría mediante indicadores binarios separados, evitando imponer un orden artificial entre etiquetas. Categorías numerosas pueden dominar la geometría y producir un espacio disperso de difícil interpretación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Codificación one-hot».
Permiten evaluar observaciones que combinan variables numéricas, ordinales y categóricas usando contribuciones adaptadas a cada tipo.
011 / 132 · Fundamentos y preparación
Estandarización z-score
Definición y significado
Transforma una variable restando su media y dividiendo por su desviación estándar estimada, cuando esta es positiva.
Fundamento técnico · por qué funciona
Centra en cero y lleva a varianza unitaria la muestra utilizada para ajustar la transformación; modifica distancias y direcciones principales.
Relación matemática esencial
zⱼ=(xⱼ−μⱼ)/σⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Un gasto de gran magnitud deja de dominar mecánicamente a una frecuencia expresada en unidades pequeñas.
Error frecuente y límite de aplicación
Debe ajustarse con datos de entrenamiento para evitar filtración y puede ser muy sensible a outliers.
Conexión para profundizar
La relación con «Distancia euclídea» ayuda a delimitar el alcance del término: Es la longitud del segmento recto entre dos puntos; en p dimensiones se calcula como la raíz de la suma de diferencias cuadradas. No representa correctamente todas las nociones de similitud: dos trayectorias temporales parecidas pueden estar lejos euclídeamente.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancia euclídea».
Transforma una variable restando su media y dividiendo por su desviación estándar estimada, cuando esta es positiva.
012 / 132 · Fundamentos y preparación
Normalización min-max
Definición y significado
Transforma cada valor respecto del mínimo y máximo de referencia, habitualmente al intervalo entre cero y uno.
Fundamento técnico · por qué funciona
Conserva el orden pero depende fuertemente de los extremos observados; valores nuevos pueden quedar fuera del intervalo inicial.
Relación matemática esencial
x′=(x−mín)/(máx−mín)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Facilita comparar dimensiones de escalas numéricas distintas cuando los límites son estables y significativos.
Error frecuente y límite de aplicación
No elimina la influencia de outliers y no equivale a centrar una matriz de datos.
Conexión para profundizar
La relación con «Estandarización z-score» ayuda a delimitar el alcance del término: Transforma una variable restando su media y dividiendo por su desviación estándar estimada, cuando esta es positiva. Debe ajustarse con datos de entrenamiento para evitar filtración y puede ser muy sensible a outliers.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Estandarización z-score».
Transforma cada valor respecto del mínimo y máximo de referencia, habitualmente al intervalo entre cero y uno.
013 / 132 · Fundamentos y preparación
Escalado robusto
Definición y significado
Centra mediante mediana y escala mediante rango intercuartílico u otras estadísticas resistentes.
Fundamento técnico · por qué funciona
Reduce la influencia de observaciones extremas en la determinación de la transformación, aunque no hace robusto automáticamente al algoritmo posterior.
Caso de negocio o lectura de resultados
En una cartera con pocos clientes gigantes, la mediana permite que el grueso de la distribución conserve resolución.
Error frecuente y límite de aplicación
Un K-Means ajustado después continúa siendo sensible a outliers por su objetivo cuadrático.
Conexión para profundizar
La relación con «Estandarización z-score» ayuda a delimitar el alcance del término: Transforma una variable restando su media y dividiendo por su desviación estándar estimada, cuando esta es positiva. Debe ajustarse con datos de entrenamiento para evitar filtración y puede ser muy sensible a outliers.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Estandarización z-score».
Centra mediante mediana y escala mediante rango intercuartílico u otras estadísticas resistentes.
014 / 132 · Fundamentos y preparación
Imputación de faltantes
Definición y significado
Es la sustitución fundamentada de datos ausentes por valores o estimaciones bajo reglas explícitas.
Fundamento técnico · por qué funciona
Se decide antes de calcular matrices de covarianza, distancias y clusters, preservando indicadores de ausencia si son informativos.
Caso de negocio o lectura de resultados
Puede imputarse la mediana de una métrica de consumo y conservar una bandera que señale registros incompletos.
Error frecuente y límite de aplicación
Imputar con información de todo el dataset antes de evaluar estabilidad o generalización puede introducir filtración.
Conexión para profundizar
La relación con «Pipeline de preprocesamiento» ayuda a delimitar el alcance del término: Es una secuencia reproducible que integra imputación, codificación, escalado, reducción y estimación. Ejecutar operaciones manuales sin registrar orden y parámetros puede volver irreproducibles las decisiones.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Pipeline de preprocesamiento».
Es la sustitución fundamentada de datos ausentes por valores o estimaciones bajo reglas explícitas.
015 / 132 · Fundamentos y preparación
Codificación one-hot
Definición y significado
Representa una categoría mediante indicadores binarios separados, evitando imponer un orden artificial entre etiquetas.
Fundamento técnico · por qué funciona
Aumenta la dimensionalidad y modifica cómo las diferencias categóricas contribuyen a la distancia euclídea.
Caso de negocio o lectura de resultados
La zona comercial puede transformarse en variables indicadoras cuando importa la pertenencia sin jerarquía.
Error frecuente y límite de aplicación
Categorías numerosas pueden dominar la geometría y producir un espacio disperso de difícil interpretación.
Conexión para profundizar
La relación con «Distancias mixtas y Gower» ayuda a delimitar el alcance del término: Permiten evaluar observaciones que combinan variables numéricas, ordinales y categóricas usando contribuciones adaptadas a cada tipo. Aplicar Ward o K-Means euclídeo directamente a cualquier matriz de Gower no conserva necesariamente sus supuestos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancias mixtas y Gower».
Representa una categoría mediante indicadores binarios separados, evitando imponer un orden artificial entre etiquetas.
016 / 132 · Fundamentos y preparación
Maldición de la dimensionalidad
Definición y significado
Describe diversos efectos por los cuales trabajar con muchas dimensiones puede volver menos informativas las distancias y exigir más datos.
Fundamento técnico · por qué funciona
El volumen del espacio crece rápidamente y las nociones de vecindad pueden concentrarse según la distribución y la métrica.
Caso de negocio o lectura de resultados
Cien indicadores de cliente no garantizan cien veces más información; los vecinos pueden resultar relativamente poco distintos.
Error frecuente y límite de aplicación
No implica que PCA sea siempre necesario: la dimensionalidad efectiva y la señal importan más que el conteo bruto.
Conexión para profundizar
La relación con «Codificación one-hot» ayuda a delimitar el alcance del término: Representa una categoría mediante indicadores binarios separados, evitando imponer un orden artificial entre etiquetas. Categorías numerosas pueden dominar la geometría y producir un espacio disperso de difícil interpretación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Codificación one-hot».
Describe diversos efectos por los cuales trabajar con muchas dimensiones puede volver menos informativas las distancias y exigir más datos.
017 / 132 · Fundamentos y preparación
Dimensionalidad intrínseca
Definición y significado
Es la cantidad aproximada de grados de libertad que describen la estructura útil de los datos, potencialmente menor que las columnas originales.
Fundamento técnico · por qué funciona
Relaciones funcionales, correlaciones y restricciones reducen las direcciones independientes de variabilidad.
Caso de negocio o lectura de resultados
Edad, antigüedad y etapa de vida pueden aportar señales relacionadas y ocupar menos dimensiones efectivas.
Error frecuente y límite de aplicación
Una estimación baja no asegura que esas dimensiones sean las que mejor predicen el resultado comercial.
Conexión para profundizar
La relación con «Espacio de características» ayuda a delimitar el alcance del término: Es el espacio de dimensión p en el que cada observación ocupa una posición definida por sus p variables. Un gráfico bidimensional puede ocultar separaciones que existen en el espacio original de mayor dimensión.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Espacio de características».
Es la cantidad aproximada de grados de libertad que describen la estructura útil de los datos, potencialmente menor que las columnas originales.
018 / 132 · Fundamentos y preparación
Datos sintéticos
Definición y significado
Son observaciones construidas mediante reglas explícitas para representar escenarios controlados y estudiar algoritmos.
Fundamento técnico · por qué funciona
Permiten variar separación, ruido, anisotropía y outliers conociendo cómo se generó cada estructura.
Caso de negocio o lectura de resultados
En las simulaciones del módulo se puede comparar un mismo algoritmo ante grupos esféricos, anillos o cadenas.
Error frecuente y límite de aplicación
Su claridad visual no garantiza que las conclusiones se trasladen a datos reales con selección y medición imperfectas.
Conexión para profundizar
La relación con «Estabilidad del clustering» ayuda a delimitar el alcance del término: Mide cuán parecidas resultan las particiones bajo cambios razonables de muestra, semilla, ruido o parámetros. Estabilidad alta no basta: un algoritmo puede ser estable al construir grupos sin utilidad de negocio.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Estabilidad del clustering».
Son observaciones construidas mediante reglas explícitas para representar escenarios controlados y estudiar algoritmos.
019 / 132 · Fundamentos y preparación
Semilla aleatoria
Definición y significado
Es el estado inicial usado por un generador pseudoaleatorio para reproducir una secuencia de decisiones o muestras.
Fundamento técnico · por qué funciona
Fijarla permite comparar configuraciones bajo las mismas condiciones; cambiarla ayuda a evaluar sensibilidad.
Caso de negocio o lectura de resultados
Con una semilla fija se puede observar cuánto modifica el resultado un cambio exclusivo de K.
Error frecuente y límite de aplicación
Una sola semilla favorable no demuestra estabilidad; hay que repetir con inicializaciones o remuestreos.
Conexión para profundizar
La relación con «Reinicios n_init» ayuda a delimitar el alcance del término: Es la ejecución del algoritmo desde varias semillas iniciales para conservar una solución favorable según la función objetivo. Un número elevado de reinicios no corrige una elección inadecuada de K, distancia o variables.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Reinicios n_init».
Es el estado inicial usado por un generador pseudoaleatorio para reproducir una secuencia de decisiones o muestras.
020 / 132 · Fundamentos y preparación
Pipeline de preprocesamiento
Definición y significado
Es una secuencia reproducible que integra imputación, codificación, escalado, reducción y estimación.
Fundamento técnico · por qué funciona
Cada transformación se ajusta en el conjunto apropiado y se reutiliza sin aprender parámetros de futuros datos de evaluación.
Caso de negocio o lectura de resultados
Una empresa documenta cómo se transforma cada cliente nuevo antes de asignarle un segmento.
Error frecuente y límite de aplicación
Ejecutar operaciones manuales sin registrar orden y parámetros puede volver irreproducibles las decisiones.
Conexión para profundizar
La relación con «Imputación de faltantes» ayuda a delimitar el alcance del término: Es la sustitución fundamentada de datos ausentes por valores o estimaciones bajo reglas explícitas. Imputar con información de todo el dataset antes de evaluar estabilidad o generalización puede introducir filtración.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Imputación de faltantes».
Es una secuencia reproducible que integra imputación, codificación, escalado, reducción y estimación.
021 / 132 · Álgebra y estadística
Matriz de datos X
Definición y significado
Organiza las n observaciones por filas y las p variables por columnas para realizar operaciones matriciales.
Fundamento técnico · por qué funciona
Después de centrarla, la estructura XᵀX resume productos cruzados que sustentan covarianzas y componentes principales.
Caso de negocio o lectura de resultados
Una matriz de cien clientes y cinco métricas tiene forma 100 por 5 y permite estudiar su variabilidad conjunta.
Error frecuente y límite de aplicación
Trasponer filas y columnas sin redefinir el problema cambia drásticamente el significado de la descomposición.
Conexión para profundizar
La relación con «Rango matricial» ayuda a delimitar el alcance del término: Cuenta el número máximo de columnas o filas linealmente independientes de una matriz. No es lo mismo rango exacto que rango numérico aproximado, especialmente bajo ruido y redondeo.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Rango matricial».
Organiza las n observaciones por filas y las p variables por columnas para realizar operaciones matriciales.
022 / 132 · Álgebra y estadística
Vector de medias
Definición y significado
Reúne los promedios de cada variable y fija el origen estadístico alrededor del cual se consideran desviaciones.
Fundamento técnico · por qué funciona
Restarlo fila a fila hace que cada columna centrada sume cero, condición estándar para PCA con intercepto implícito.
Caso de negocio o lectura de resultados
Al estudiar montos de compra, el promedio permite leer cada punto como exceso o defecto respecto de la cartera.
Error frecuente y límite de aplicación
La media no es robusta frente a valores extremos y no debe mezclarse con medianas sin justificar el cambio.
Conexión para profundizar
La relación con «Centrado de variables» ayuda a delimitar el alcance del término: Consiste en sustraer a cada observación la media de su columna para analizar desviaciones y no niveles absolutos. No confundir centrar con escalar: el centrado no iguala varianzas ni modifica las distancias entre pares de puntos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Centrado de variables».
Reúne los promedios de cada variable y fija el origen estadístico alrededor del cual se consideran desviaciones.
023 / 132 · Álgebra y estadística
Centrado de variables
Definición y significado
Consiste en sustraer a cada observación la media de su columna para analizar desviaciones y no niveles absolutos.
Fundamento técnico · por qué funciona
En PCA usual se centra antes de obtener la matriz de covarianza o la SVD de los datos.
Caso de negocio o lectura de resultados
Una nube de puntos desplazada hacia valores elevados mantiene su orientación principal luego de centrarla.
Error frecuente y límite de aplicación
No confundir centrar con escalar: el centrado no iguala varianzas ni modifica las distancias entre pares de puntos.
Conexión para profundizar
La relación con «Vector de medias» ayuda a delimitar el alcance del término: Reúne los promedios de cada variable y fija el origen estadístico alrededor del cual se consideran desviaciones. La media no es robusta frente a valores extremos y no debe mezclarse con medianas sin justificar el cambio.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Vector de medias».
Consiste en sustraer a cada observación la media de su columna para analizar desviaciones y no niveles absolutos.
024 / 132 · Álgebra y estadística
Matriz de covarianza
Definición y significado
Contiene las covarianzas entre pares de variables y las varianzas en su diagonal principal.
Fundamento técnico · por qué funciona
Para una matriz centrada y convención muestral suele calcularse XᵀX dividido por n menos uno.
Relación matemática esencial
Σ̂=XcᵀXc/(n−1)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Si gasto y frecuencia aumentan juntos, su covarianza positiva contribuye a la orientación del primer componente.
Error frecuente y límite de aplicación
Su interpretación depende de las unidades; una variable expresada en cifras mayores puede dominar los autovalores.
Conexión para profundizar
La relación con «Distancia de Mahalanobis» ayuda a delimitar el alcance del término: Mide separación relativa teniendo en cuenta correlaciones y dispersión, mediante la matriz de covarianza inversa cuando es invertible. Una estimación de covarianza inestable o singular exige regularización o métodos robustos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancia de Mahalanobis».
Contiene las covarianzas entre pares de variables y las varianzas en su diagonal principal.
025 / 132 · Álgebra y estadística
Coeficiente de correlación
Definición y significado
Estandariza la covarianza por el producto de desviaciones estándar, produciendo un valor entre menos uno y uno.
Fundamento técnico · por qué funciona
Describe asociación lineal positiva, negativa o nula, sin establecer causalidad ni capturar necesariamente patrones no lineales.
Caso de negocio o lectura de resultados
Dos métricas de ventas pueden estar muy correlacionadas aun cuando sus unidades sean incompatibles.
Error frecuente y límite de aplicación
Una correlación cercana a cero no equivale a independencia, salvo bajo supuestos particulares.
Conexión para profundizar
La relación con «Interpretación causal» ayuda a delimitar el alcance del término: Separa la descripción de asociaciones observadas de la afirmación de que una variable o acción provoca otra. Las decisiones de intervención requieren diseños experimentales o supuestos causales adicionales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Interpretación causal».
Estandariza la covarianza por el producto de desviaciones estándar, produciendo un valor entre menos uno y uno.
026 / 132 · Álgebra y estadística
Matriz de correlaciones
Definición y significado
Reúne correlaciones de todas las variables y tiene unos en la diagonal cuando las varianzas son positivas.
Fundamento técnico · por qué funciona
Hacer PCA sobre esta matriz equivale, bajo convenciones coherentes, a aplicar PCA a variables estandarizadas.
Caso de negocio o lectura de resultados
Permite que facturación y frecuencia contribuyan sin ser privilegiadas por sus unidades de medida.
Error frecuente y límite de aplicación
Puede dar peso excesivo a variables de varianza minúscula dominadas por ruido de medición.
Conexión para profundizar
La relación con «Matriz de covarianza» ayuda a delimitar el alcance del término: Contiene las covarianzas entre pares de variables y las varianzas en su diagonal principal. Su interpretación depende de las unidades; una variable expresada en cifras mayores puede dominar los autovalores.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Matriz de covarianza».
Reúne correlaciones de todas las variables y tiene unos en la diagonal cuando las varianzas son positivas.
027 / 132 · Álgebra y estadística
Varianza muestral
Definición y significado
Resume la dispersión cuadrática de una variable respecto de su media usando un denominador acorde a la convención estadística.
Fundamento técnico · por qué funciona
PCA maximiza la varianza de las proyecciones lineales sujetas a restricciones de longitud y ortogonalidad.
Caso de negocio o lectura de resultados
Un indicador de ingresos disperso aporta una dirección potencialmente importante para describir diversidad de clientes.
Error frecuente y límite de aplicación
Varianza alta no implica relevancia causal, interés comercial ni ausencia de errores de registro.
Conexión para profundizar
La relación con «Varianza explicada» ayuda a delimitar el alcance del término: Es la cantidad de varianza muestral asociada a un componente, correspondiente a su autovalor. Mayor varianza no equivale necesariamente a mayor capacidad de detectar fraude o predecir abandono.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Varianza explicada».
Resume la dispersión cuadrática de una variable respecto de su media usando un denominador acorde a la convención estadística.
028 / 132 · Álgebra y estadística
Traza de una matriz
Definición y significado
Es la suma de los elementos de su diagonal y, para una covarianza, equivale a la varianza total de las variables.
Fundamento técnico · por qué funciona
También es la suma de sus autovalores, de modo que permite calcular proporciones de varianza explicada.
Relación matemática esencial
tr(Σ)=Σⱼ λⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
La traza total es el denominador natural al comparar cuánta dispersión retienen dos componentes principales.
Error frecuente y límite de aplicación
Si las variables no están escaladas, esa suma refleja sus unidades originales y puede ser difícil de interpretar.
Conexión para profundizar
La relación con «Ratio de varianza explicada» ayuda a delimitar el alcance del término: Es el autovalor de un componente dividido por la suma de todos los autovalores retenibles. No representa porcentaje de información de negocio, precisión predictiva ni porcentaje de observaciones explicadas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Ratio de varianza explicada».
Es la suma de los elementos de su diagonal y, para una covarianza, equivale a la varianza total de las variables.
029 / 132 · Álgebra y estadística
Autovalor
Definición y significado
Es un escalar asociado a una dirección propia, que indica cuánto estira una matriz esa dirección.
Fundamento técnico · por qué funciona
En una matriz de covarianza positiva semidefinida, los autovalores son no negativos y cuantifican varianza en ejes principales.
Relación matemática esencial
Σvⱼ=λⱼvⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Un autovalor grande identifica una orientación de la cartera donde las observaciones se distinguen ampliamente.
Error frecuente y límite de aplicación
Un autovalor pequeño no autoriza ignorar esa dirección si concentra anomalías útiles para una decisión.
Conexión para profundizar
La relación con «Autovector» ayuda a delimitar el alcance del término: Es una dirección no nula que se conserva al actuar una matriz, cambiando solo su longitud por el autovalor. Su signo es arbitrario y, si existen autovalores repetidos, la elección de ejes individuales puede no ser única.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Autovector».
Es un escalar asociado a una dirección propia, que indica cuánto estira una matriz esa dirección.
030 / 132 · Álgebra y estadística
Autovector
Definición y significado
Es una dirección no nula que se conserva al actuar una matriz, cambiando solo su longitud por el autovalor.
Fundamento técnico · por qué funciona
Los autovectores normalizados de la covarianza simétrica forman direcciones ortogonales para PCA.
Relación matemática esencial
Σvⱼ=λⱼvⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
El primer autovector puede describir una combinación de mayor gasto y mayor frecuencia de compras.
Error frecuente y límite de aplicación
Su signo es arbitrario y, si existen autovalores repetidos, la elección de ejes individuales puede no ser única.
Conexión para profundizar
La relación con «Autovalor» ayuda a delimitar el alcance del término: Es un escalar asociado a una dirección propia, que indica cuánto estira una matriz esa dirección. Un autovalor pequeño no autoriza ignorar esa dirección si concentra anomalías útiles para una decisión.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Autovalor».
Es una dirección no nula que se conserva al actuar una matriz, cambiando solo su longitud por el autovalor.
031 / 132 · Álgebra y estadística
Ortogonalidad
Definición y significado
Significa que dos vectores tienen producto interno igual a cero bajo la geometría euclídea pertinente.
Fundamento técnico · por qué funciona
Los componentes principales sucesivos son ortogonales como ejes y sus scores no correlacionados en la muestra de ajuste.
Caso de negocio o lectura de resultados
Una orientación de volumen puede coexistir con otra de mezcla de compras sin compartir covarianza lineal.
Error frecuente y límite de aplicación
No correlación no significa independencia estadística general ni garantiza interpretaciones de negocio distintas.
Conexión para profundizar
La relación con «Segundo componente principal PC2» ayuda a delimitar el alcance del término: Es la dirección de máxima varianza residual entre las ortogonales a PC1. Si la varianza restante es baja, el eje puede representar ruido o una señal minoritaria crítica; hay que contextualizar.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Segundo componente principal PC2».
Significa que dos vectores tienen producto interno igual a cero bajo la geometría euclídea pertinente.
032 / 132 · Álgebra y estadística
Norma de un vector
Definición y significado
Es una medida de magnitud que, para la norma euclídea, equivale a la raíz de la suma de cuadrados de sus componentes.
Fundamento técnico · por qué funciona
Al imponer norma unitaria a un vector de carga se evita aumentar artificialmente la varianza de una proyección.
Relación matemática esencial
‖v‖₂=√(Σⱼvⱼ²)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Un eje PCA tiene longitud uno para comparar direcciones y no escalas elegidas por el analista.
Error frecuente y límite de aplicación
Confundir norma del vector con varianza de los datos a lo largo del eje produce razonamientos erróneos.
Conexión para profundizar
La relación con «Primer componente principal PC1» ayuda a delimitar el alcance del término: Es la dirección unitaria que maximiza la varianza de la proyección lineal de los datos centrados. El signo del eje no tiene significado absoluto y un outlier extremo puede cambiar su orientación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Primer componente principal PC1».
Es una medida de magnitud que, para la norma euclídea, equivale a la raíz de la suma de cuadrados de sus componentes.
033 / 132 · Álgebra y estadística
Producto interno
Definición y significado
Combina dos vectores multiplicando sus coordenadas correspondientes y sumando los productos.
Fundamento técnico · por qué funciona
La proyección de una observación centrada sobre un eje principal unitario se obtiene mediante ese producto.
Relación matemática esencial
scoreᵢⱼ=(xᵢ−μ)·vⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Un score PCA indica cuánto avanza un cliente sobre una dirección compuesta de varias características.
Error frecuente y límite de aplicación
Interpretar el producto interno sin considerar el centrado hace perder la referencia estadística original.
Conexión para profundizar
La relación con «Scores o puntuaciones PCA» ayuda a delimitar el alcance del término: Son las coordenadas de cada observación luego de proyectar la matriz centrada sobre los ejes principales elegidos. No son probabilidades ni etiquetas; dependen de la muestra, el escalado y el signo arbitrario de cada eje.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Scores o puntuaciones PCA».
Combina dos vectores multiplicando sus coordenadas correspondientes y sumando los productos.
034 / 132 · Álgebra y estadística
SVD o descomposición singular
Definición y significado
Factoriza una matriz como UΣVᵀ, donde los valores singulares ordenan la energía cuadrática y V recoge direcciones de las columnas.
Fundamento técnico · por qué funciona
Aplicada a X centrada, permite calcular PCA sin construir explícitamente la matriz de covarianza, mejorando estabilidad numérica.
Relación matemática esencial
Xc=UΣVᵀ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Con miles de métricas, una implementación basada en SVD puede extraer los primeros componentes eficientemente.
Error frecuente y límite de aplicación
Los valores singulares y autovalores se relacionan por cuadrados y normalización muestral; no deben tratarse como idénticos.
Conexión para profundizar
La relación con «Matriz de covarianza» ayuda a delimitar el alcance del término: Contiene las covarianzas entre pares de variables y las varianzas en su diagonal principal. Su interpretación depende de las unidades; una variable expresada en cifras mayores puede dominar los autovalores.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Matriz de covarianza».
Factoriza una matriz como UΣVᵀ, donde los valores singulares ordenan la energía cuadrática y V recoge direcciones de las columnas.
035 / 132 · Álgebra y estadística
Valor singular
Definición y significado
Es una magnitud no negativa de la diagonal Σ en la SVD que mide la acción de la matriz sobre direcciones especiales.
Fundamento técnico · por qué funciona
Para X centrada, el autovalor de covarianza correspondiente es el cuadrado del valor singular dividido por n menos uno.
Relación matemática esencial
λⱼ=sⱼ²/(n−1)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
En un scree plot basado en SVD, cuadrados de valores singulares determinan la varianza relativa.
Error frecuente y límite de aplicación
Confundir magnitudes singulares con proporciones explicadas produce errores de escala.
Conexión para profundizar
La relación con «Autovalor» ayuda a delimitar el alcance del término: Es un escalar asociado a una dirección propia, que indica cuánto estira una matriz esa dirección. Un autovalor pequeño no autoriza ignorar esa dirección si concentra anomalías útiles para una decisión.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Autovalor».
Es una magnitud no negativa de la diagonal Σ en la SVD que mide la acción de la matriz sobre direcciones especiales.
036 / 132 · Álgebra y estadística
Rango matricial
Definición y significado
Cuenta el número máximo de columnas o filas linealmente independientes de una matriz.
Fundamento técnico · por qué funciona
La matriz centrada de n por p no puede tener rango superior al mínimo de n menos uno y p.
Caso de negocio o lectura de resultados
Si hay diez clientes y treinta características, no habrá treinta componentes principales con varianza positiva.
Error frecuente y límite de aplicación
No es lo mismo rango exacto que rango numérico aproximado, especialmente bajo ruido y redondeo.
Conexión para profundizar
La relación con «Matriz de datos X» ayuda a delimitar el alcance del término: Organiza las n observaciones por filas y las p variables por columnas para realizar operaciones matriciales. Trasponer filas y columnas sin redefinir el problema cambia drásticamente el significado de la descomposición.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Matriz de datos X».
Cuenta el número máximo de columnas o filas linealmente independientes de una matriz.
037 / 132 · Álgebra y estadística
Condicionamiento numérico
Definición y significado
Describe la sensibilidad del resultado de una operación ante pequeñas perturbaciones de los datos.
Fundamento técnico · por qué funciona
Matrices casi singulares o con escalas muy diferentes pueden amplificar errores en inversiones o cálculos de autovectores.
Caso de negocio o lectura de resultados
En distancias Mahalanobis, una covarianza casi degenerada vuelve inestable la estimación.
Error frecuente y límite de aplicación
La precisión computacional no reemplaza el análisis estadístico de las variables.
Conexión para profundizar
La relación con «Distancia de Mahalanobis» ayuda a delimitar el alcance del término: Mide separación relativa teniendo en cuenta correlaciones y dispersión, mediante la matriz de covarianza inversa cuando es invertible. Una estimación de covarianza inestable o singular exige regularización o métodos robustos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancia de Mahalanobis».
Describe la sensibilidad del resultado de una operación ante pequeñas perturbaciones de los datos.
038 / 132 · Álgebra y estadística
Matriz positiva semidefinida
Definición y significado
Es una matriz simétrica cuyo producto cuadrático con cualquier vector es no negativo.
Fundamento técnico · por qué funciona
Las matrices de covarianza cumplen esta propiedad, por lo que su varianza proyectada nunca es negativa.
Caso de negocio o lectura de resultados
El espectro no negativo fundamenta seleccionar direcciones PCA según sus autovalores.
Error frecuente y límite de aplicación
Un autovalor negativo muy pequeño por redondeo puede ser numérico; valores negativos importantes indican otro problema.
Conexión para profundizar
La relación con «Autovalor» ayuda a delimitar el alcance del término: Es un escalar asociado a una dirección propia, que indica cuánto estira una matriz esa dirección. Un autovalor pequeño no autoriza ignorar esa dirección si concentra anomalías útiles para una decisión.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Autovalor».
Es una matriz simétrica cuyo producto cuadrático con cualquier vector es no negativo.
039 / 132 · PCA y reducción
Análisis de componentes principales PCA
Definición y significado
Es un método lineal no supervisado que construye ejes ortogonales ordenados por varianza de las observaciones proyectadas.
Fundamento técnico · por qué funciona
Se calcula mediante autovectores de la covarianza o SVD de X centrada; puede reducir dimensión preservando dispersión promedio.
Caso de negocio o lectura de resultados
Una cartera con métricas relacionadas se resume en dos ejes para visualizar perfiles y redundancias.
Error frecuente y límite de aplicación
No maximiza separación entre clases ni confirma la existencia de clusters estables o comercialmente útiles.
Conexión para profundizar
La relación con «Interpretación causal» ayuda a delimitar el alcance del término: Separa la descripción de asociaciones observadas de la afirmación de que una variable o acción provoca otra. Las decisiones de intervención requieren diseños experimentales o supuestos causales adicionales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Interpretación causal».
Es un método lineal no supervisado que construye ejes ortogonales ordenados por varianza de las observaciones proyectadas.
040 / 132 · PCA y reducción
Primer componente principal PC1
Definición y significado
Es la dirección unitaria que maximiza la varianza de la proyección lineal de los datos centrados.
Fundamento técnico · por qué funciona
Se obtiene como autovector asociado al mayor autovalor de la matriz de covarianza o como primer vector derecho de SVD.
Caso de negocio o lectura de resultados
En clientes puede sintetizar un eje de intensidad de relación y volumen de consumo.
Error frecuente y límite de aplicación
El signo del eje no tiene significado absoluto y un outlier extremo puede cambiar su orientación.
Conexión para profundizar
La relación con «Norma de un vector» ayuda a delimitar el alcance del término: Es una medida de magnitud que, para la norma euclídea, equivale a la raíz de la suma de cuadrados de sus componentes. Confundir norma del vector con varianza de los datos a lo largo del eje produce razonamientos erróneos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Norma de un vector».
Es la dirección unitaria que maximiza la varianza de la proyección lineal de los datos centrados.
041 / 132 · PCA y reducción
Segundo componente principal PC2
Definición y significado
Es la dirección de máxima varianza residual entre las ortogonales a PC1.
Fundamento técnico · por qué funciona
Su autovalor muestra cuánto aporta un segundo eje a la representación y sus scores no correlacionan linealmente con PC1.
Caso de negocio o lectura de resultados
Una segunda dimensión puede distinguir preferencias de mezcla de productos a igual volumen.
Error frecuente y límite de aplicación
Si la varianza restante es baja, el eje puede representar ruido o una señal minoritaria crítica; hay que contextualizar.
Conexión para profundizar
La relación con «Ortogonalidad» ayuda a delimitar el alcance del término: Significa que dos vectores tienen producto interno igual a cero bajo la geometría euclídea pertinente. No correlación no significa independencia estadística general ni garantiza interpretaciones de negocio distintas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Ortogonalidad».
Es la dirección de máxima varianza residual entre las ortogonales a PC1.
042 / 132 · PCA y reducción
Scores o puntuaciones PCA
Definición y significado
Son las coordenadas de cada observación luego de proyectar la matriz centrada sobre los ejes principales elegidos.
Fundamento técnico · por qué funciona
Se calculan como X_centrada multiplicada por la matriz de direcciones V de tamaño p por k.
Relación matemática esencial
T=XcVₖ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Un score positivo en PC1 sitúa a un cliente hacia un extremo del patrón combinado definido por sus variables.
Error frecuente y límite de aplicación
No son probabilidades ni etiquetas; dependen de la muestra, el escalado y el signo arbitrario de cada eje.
Conexión para profundizar
La relación con «Producto interno» ayuda a delimitar el alcance del término: Combina dos vectores multiplicando sus coordenadas correspondientes y sumando los productos. Interpretar el producto interno sin considerar el centrado hace perder la referencia estadística original.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Producto interno».
Son las coordenadas de cada observación luego de proyectar la matriz centrada sobre los ejes principales elegidos.
043 / 132 · PCA y reducción
Loadings o cargas PCA
Definición y significado
Expresan cómo contribuyen las variables originales a las direcciones de los componentes, según la convención de normalización utilizada.
Fundamento técnico · por qué funciona
Pueden referirse a coeficientes de autovectores o a correlaciones variable-componente; se debe declarar la convención.
Caso de negocio o lectura de resultados
Una carga positiva de gasto y frecuencia sugiere un eje relacionado con intensidad, sin probar causalidad.
Error frecuente y límite de aplicación
Comparar cargas de procedimientos con distintas estandarizaciones o signos puede llevar a conclusiones falsas.
Conexión para profundizar
La relación con «Scores o puntuaciones PCA» ayuda a delimitar el alcance del término: Son las coordenadas de cada observación luego de proyectar la matriz centrada sobre los ejes principales elegidos. No son probabilidades ni etiquetas; dependen de la muestra, el escalado y el signo arbitrario de cada eje.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Scores o puntuaciones PCA».
Expresan cómo contribuyen las variables originales a las direcciones de los componentes, según la convención de normalización utilizada.
044 / 132 · PCA y reducción
Varianza explicada
Definición y significado
Es la cantidad de varianza muestral asociada a un componente, correspondiente a su autovalor.
Fundamento técnico · por qué funciona
Los ejes se ordenan de mayor a menor varianza, mientras que la suma recupera la varianza total de la representación de entrada.
Relación matemática esencial
Var(PCⱼ)=λⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Una dirección que conserva gran parte de la variabilidad ayuda a comprimir información descriptiva.
Error frecuente y límite de aplicación
Mayor varianza no equivale necesariamente a mayor capacidad de detectar fraude o predecir abandono.
Conexión para profundizar
La relación con «Varianza muestral» ayuda a delimitar el alcance del término: Resume la dispersión cuadrática de una variable respecto de su media usando un denominador acorde a la convención estadística. Varianza alta no implica relevancia causal, interés comercial ni ausencia de errores de registro.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Varianza muestral».
Es la cantidad de varianza muestral asociada a un componente, correspondiente a su autovalor.
045 / 132 · PCA y reducción
Ratio de varianza explicada
Definición y significado
Es el autovalor de un componente dividido por la suma de todos los autovalores retenibles.
Fundamento técnico · por qué funciona
Se expresa como fracción o porcentaje y permite comparar el peso relativo de cada eje dentro del problema definido.
Relación matemática esencial
rⱼ=λⱼ/(Σᵢλᵢ)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Si PC1 explica 0,60, conserva el 60 por ciento de la varianza total bajo el preprocesamiento elegido.
Error frecuente y límite de aplicación
No representa porcentaje de información de negocio, precisión predictiva ni porcentaje de observaciones explicadas.
Conexión para profundizar
La relación con «Traza de una matriz» ayuda a delimitar el alcance del término: Es la suma de los elementos de su diagonal y, para una covarianza, equivale a la varianza total de las variables. Si las variables no están escaladas, esa suma refleja sus unidades originales y puede ser difícil de interpretar.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Traza de una matriz».
Es el autovalor de un componente dividido por la suma de todos los autovalores retenibles.
046 / 132 · PCA y reducción
Varianza acumulada
Definición y significado
Es la suma de proporciones de varianza explicada por los primeros k componentes ordenados.
Fundamento técnico · por qué funciona
Crece de forma monótona hasta uno al considerar todas las direcciones con varianza positiva.
Relación matemática esencial
Rₖ=Σⱼ₌₁ᵏrⱼ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Una empresa puede exigir retener el 90 por ciento de dispersión antes de comprimir una base para visualización.
Error frecuente y límite de aplicación
Elegir umbrales arbitrarios como 95 por ciento no reemplaza validar el uso posterior de los datos reducidos.
Conexión para profundizar
La relación con «Rango matricial» ayuda a delimitar el alcance del término: Cuenta el número máximo de columnas o filas linealmente independientes de una matriz. No es lo mismo rango exacto que rango numérico aproximado, especialmente bajo ruido y redondeo.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Rango matricial».
Es la suma de proporciones de varianza explicada por los primeros k componentes ordenados.
047 / 132 · PCA y reducción
Scree plot
Definición y significado
Es un gráfico de autovalores o proporciones explicadas frente al número ordenado de componentes.
Fundamento técnico · por qué funciona
La forma permite ver si pocos ejes dominan y si existe una transición a contribuciones pequeñas.
Caso de negocio o lectura de resultados
Un descenso pronunciado tras PC2 sugiere examinar una proyección bidimensional como simplificación inicial.
Error frecuente y límite de aplicación
El codo suele ser ambiguo y es peligroso seleccionar dimensionalidad solo por la estética del gráfico.
Conexión para profundizar
La relación con «Criterio de Kaiser» ayuda a delimitar el alcance del término: Regla heurística que retiene componentes con autovalor mayor que uno al trabajar sobre una matriz de correlaciones. No se traslada automáticamente a PCA sobre covarianzas en unidades originales ni sustituye validación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Criterio de Kaiser».
Es un gráfico de autovalores o proporciones explicadas frente al número ordenado de componentes.
048 / 132 · PCA y reducción
Criterio de Kaiser
Definición y significado
Regla heurística que retiene componentes con autovalor mayor que uno al trabajar sobre una matriz de correlaciones.
Fundamento técnico · por qué funciona
Su justificación compara cada componente con la varianza unitaria de una variable estandarizada; no es una prueba universal.
Caso de negocio o lectura de resultados
En una encuesta de indicadores comparables puede aportar una referencia preliminar entre varias evidencias.
Error frecuente y límite de aplicación
No se traslada automáticamente a PCA sobre covarianzas en unidades originales ni sustituye validación.
Conexión para profundizar
La relación con «Scree plot» ayuda a delimitar el alcance del término: Es un gráfico de autovalores o proporciones explicadas frente al número ordenado de componentes. El codo suele ser ambiguo y es peligroso seleccionar dimensionalidad solo por la estética del gráfico.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Scree plot».
Regla heurística que retiene componentes con autovalor mayor que uno al trabajar sobre una matriz de correlaciones.
049 / 132 · PCA y reducción
PCA sobre covarianzas
Definición y significado
Aplica la descomposición a la covarianza de variables centradas conservando las unidades y escalas originales.
Fundamento técnico · por qué funciona
Las variables con mayor varianza absoluta suelen tener influencia notable en los primeros ejes.
Caso de negocio o lectura de resultados
Puede ser apropiado cuando todas las variables comparten unidad y una mayor dispersión tiene sentido sustantivo.
Error frecuente y límite de aplicación
Mezclar pesos, pesos monetarios y porcentajes sin escalar suele producir un eje dominado por la unidad mayor.
Conexión para profundizar
La relación con «Criterio de Kaiser» ayuda a delimitar el alcance del término: Regla heurística que retiene componentes con autovalor mayor que uno al trabajar sobre una matriz de correlaciones. No se traslada automáticamente a PCA sobre covarianzas en unidades originales ni sustituye validación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Criterio de Kaiser».
Aplica la descomposición a la covarianza de variables centradas conservando las unidades y escalas originales.
050 / 132 · PCA y reducción
PCA sobre correlaciones
Definición y significado
Realiza PCA a partir de variables estandarizadas y su matriz de correlaciones.
Fundamento técnico · por qué funciona
Cada dimensión con varianza positiva parte de peso unitario, aunque sigue importando la estructura de correlación cruzada.
Caso de negocio o lectura de resultados
Facilita estudiar gastos, frecuencia y antigüedad en una escala estadística comparable.
Error frecuente y límite de aplicación
Una variable casi constante y ruidosa puede recibir un peso desproporcionado al llevarla a varianza uno.
Conexión para profundizar
La relación con «Matriz de correlaciones» ayuda a delimitar el alcance del término: Reúne correlaciones de todas las variables y tiene unos en la diagonal cuando las varianzas son positivas. Puede dar peso excesivo a variables de varianza minúscula dominadas por ruido de medición.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Matriz de correlaciones».
Realiza PCA a partir de variables estandarizadas y su matriz de correlaciones.
051 / 132 · PCA y reducción
Proyección lineal
Definición y significado
Es la asignación de coordenadas de una observación sobre una base o subespacio por productos internos.
Fundamento técnico · por qué funciona
En PCA, retener k ejes implica conservar la parte de la observación contenida en el subespacio principal.
Caso de negocio o lectura de resultados
Un cliente de veinte atributos pasa a tener dos scores para graficarse sin modificar su identidad de origen.
Error frecuente y límite de aplicación
Las distancias del gráfico reducido no tienen por qué preservar todas las distancias originales.
Conexión para profundizar
La relación con «Espacio de características» ayuda a delimitar el alcance del término: Es el espacio de dimensión p en el que cada observación ocupa una posición definida por sus p variables. Un gráfico bidimensional puede ocultar separaciones que existen en el espacio original de mayor dimensión.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Espacio de características».
Es la asignación de coordenadas de una observación sobre una base o subespacio por productos internos.
052 / 132 · PCA y reducción
Reconstrucción desde PCA
Definición y significado
Reaproxima los datos originales multiplicando los scores por las direcciones transpuestas y sumando la media previamente quitada.
Fundamento técnico · por qué funciona
La reconstrucción de rango k minimiza el error cuadrático de Frobenius entre todas las aproximaciones lineales de ese rango.
Relación matemática esencial
X̂=TₖVₖᵀ+μ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Una empresa puede analizar cuáles métricas pierde al conservar dos ejes en lugar de diez.
Error frecuente y límite de aplicación
Una buena reconstrucción global puede borrar variaciones minoritarias decisivas para detectar riesgos.
Conexión para profundizar
La relación con «Error cuadrático de reconstrucción» ayuda a delimitar el alcance del término: Cuantifica la suma o promedio de cuadrados entre observaciones originales y reconstruidas en el mismo espacio de comparación. La reducción de error dentro de la muestra no implica que una proyección generalice bien fuera de ella.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Error cuadrático de reconstrucción».
Reaproxima los datos originales multiplicando los scores por las direcciones transpuestas y sumando la media previamente quitada.
053 / 132 · PCA y reducción
Error cuadrático de reconstrucción
Definición y significado
Cuantifica la suma o promedio de cuadrados entre observaciones originales y reconstruidas en el mismo espacio de comparación.
Fundamento técnico · por qué funciona
Disminuye o no aumenta cuando se agregan componentes principales; debe aclararse normalización y escalado.
Relación matemática esencial
Eₖ=‖Xc−TₖVₖᵀ‖F²
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Comparar errores con k igual a uno, dos y tres muestra el costo de reducir la dimensionalidad.
Error frecuente y límite de aplicación
La reducción de error dentro de la muestra no implica que una proyección generalice bien fuera de ella.
Conexión para profundizar
La relación con «Varianza acumulada» ayuda a delimitar el alcance del término: Es la suma de proporciones de varianza explicada por los primeros k componentes ordenados. Elegir umbrales arbitrarios como 95 por ciento no reemplaza validar el uso posterior de los datos reducidos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Varianza acumulada».
Cuantifica la suma o promedio de cuadrados entre observaciones originales y reconstruidas en el mismo espacio de comparación.
054 / 132 · PCA y reducción
Biplot
Definición y significado
Combina una representación de las observaciones mediante scores con vectores o marcas de variables basadas en loadings.
Fundamento técnico · por qué funciona
Permite interpretar orientaciones y asociaciones, siempre que se respete la convención de escalado usada en ambos elementos.
Caso de negocio o lectura de resultados
Los clientes aparecen en un plano y las flechas muestran cuáles indicadores se asocian con ciertas regiones.
Error frecuente y límite de aplicación
Longitudes y ángulos pueden interpretarse incorrectamente si las cargas y las puntuaciones emplean escalas distintas.
Conexión para profundizar
La relación con «Loadings o cargas PCA» ayuda a delimitar el alcance del término: Expresan cómo contribuyen las variables originales a las direcciones de los componentes, según la convención de normalización utilizada. Comparar cargas de procedimientos con distintas estandarizaciones o signos puede llevar a conclusiones falsas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Loadings o cargas PCA».
Combina una representación de las observaciones mediante scores con vectores o marcas de variables basadas en loadings.
055 / 132 · PCA y reducción
Ambigüedad de signo PCA
Definición y significado
Un autovector y su opuesto describen el mismo eje geométrico y conservan idéntica varianza explicada.
Fundamento técnico · por qué funciona
Distintas bibliotecas o ejecuciones pueden invertir los signos de scores y loadings sin cambiar el subespacio.
Caso de negocio o lectura de resultados
Una figura con PC1 positivo hacia la derecha y otra invertida pueden expresar exactamente el mismo resultado.
Error frecuente y límite de aplicación
No declarar que un método cambió solo porque los signos de las cargas se invirtieron.
Conexión para profundizar
La relación con «Autovector» ayuda a delimitar el alcance del término: Es una dirección no nula que se conserva al actuar una matriz, cambiando solo su longitud por el autovalor. Su signo es arbitrario y, si existen autovalores repetidos, la elección de ejes individuales puede no ser única.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Autovector».
Un autovector y su opuesto describen el mismo eje geométrico y conservan idéntica varianza explicada.
056 / 132 · PCA y reducción
Subespacio principal
Definición y significado
Es el espacio generado por los primeros k componentes ortogonales y resume direcciones de gran varianza.
Fundamento técnico · por qué funciona
Cuando algunos autovalores son cercanos o repetidos, los ejes individuales pueden variar aunque el subespacio sea estable.
Caso de negocio o lectura de resultados
Dos soluciones pueden tener scores rotados dentro del mismo plano PCA sin pérdida sustantiva de información.
Error frecuente y límite de aplicación
Comparar solo los valores elemento a elemento de cada autovector puede exagerar inestabilidad.
Conexión para profundizar
La relación con «Ambigüedad de signo PCA» ayuda a delimitar el alcance del término: Un autovector y su opuesto describen el mismo eje geométrico y conservan idéntica varianza explicada. No declarar que un método cambió solo porque los signos de las cargas se invirtieron.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Ambigüedad de signo PCA».
Es el espacio generado por los primeros k componentes ortogonales y resume direcciones de gran varianza.
057 / 132 · PCA y reducción
Blanqueamiento o whitening
Definición y significado
Transforma scores PCA para llevar sus componentes retenidos a escalas unitarias bajo una convención explícita.
Fundamento técnico · por qué funciona
Divide esencialmente cada coordenada por una medida de dispersión asociada al componente, modificando distancias posteriores.
Caso de negocio o lectura de resultados
Puede servir antes de algoritmos sensibles a escala cuando las diferencias de varianza entre componentes no deben dominar.
Error frecuente y límite de aplicación
Amplificar componentes de muy baja varianza también puede amplificar ruido y anomalías de medición.
Conexión para profundizar
La relación con «K-Means y grupos no convexos» ayuda a delimitar el alcance del término: Explica la dificultad del modelo clásico para recuperar anillos, lunas o cadenas curvas. Un silhouette relativamente favorable no convierte la frontera obtenida en la estructura deseada.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «K-Means y grupos no convexos».
Transforma scores PCA para llevar sus componentes retenidos a escalas unitarias bajo una convención explícita.
058 / 132 · PCA y reducción
PCA robusto
Definición y significado
Familia de procedimientos que reduce la sensibilidad de la descomposición a observaciones contaminadas o valores extremos.
Fundamento técnico · por qué funciona
Algunas formulaciones separan una estructura de bajo rango de un componente disperso de anomalías; otras emplean covarianzas robustas.
Caso de negocio o lectura de resultados
Una base de consumo con unas pocas operaciones anormalmente altas puede requerir estudiar una variante robusta.
Error frecuente y límite de aplicación
No existe una única definición operacional de PCA robusto; hay que explicar el método y sus supuestos.
Conexión para profundizar
La relación con «PCA y detección de anomalías» ayuda a delimitar el alcance del término: Utiliza distancias en el subespacio principal o errores en el residual para identificar observaciones poco compatibles con la estructura dominante. Un score alto no prueba fraude; los umbrales deben validarse con contexto, errores y decisiones reales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «PCA y detección de anomalías».
Familia de procedimientos que reduce la sensibilidad de la descomposición a observaciones contaminadas o valores extremos.
059 / 132 · PCA y reducción
PCA incremental
Definición y significado
Actualiza una aproximación de componentes principales por bloques de observaciones en lugar de requerir todos los datos simultáneamente.
Fundamento técnico · por qué funciona
Reduce necesidades de memoria y resulta útil para datos grandes o flujos moderados, con aproximaciones dependientes del algoritmo.
Caso de negocio o lectura de resultados
Una empresa analiza millones de tickets por lotes para obtener ejes descriptivos sin cargar todo en RAM.
Error frecuente y límite de aplicación
No evita por sí mismo el drift ni garantiza identidad exacta con la SVD completa.
Conexión para profundizar
La relación con «Drift de datos» ayuda a delimitar el alcance del término: Es un cambio en la distribución de las variables de entrada respecto del período usado para ajustar el sistema. No cualquier cambio exige reentrenar: hay que analizar magnitud, causa e impacto de decisiones.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Drift de datos».
Actualiza una aproximación de componentes principales por bloques de observaciones en lugar de requerir todos los datos simultáneamente.
060 / 132 · PCA y reducción
Kernel PCA
Definición y significado
Extiende la idea de PCA mediante un núcleo que representa productos internos en un espacio de características implícito.
Fundamento técnico · por qué funciona
La no linealidad del kernel puede facilitar representaciones curvas, a costa de parámetros y una interpretación menos directa.
Caso de negocio o lectura de resultados
Datos con anillos concéntricos pueden desplegarse en coordenadas que vuelven visible cierta estructura.
Error frecuente y límite de aplicación
La elección de kernel y ancho de banda es determinante; su coste y comportamiento fuera de muestra exigen evaluación.
Conexión para profundizar
La relación con «Proyección lineal» ayuda a delimitar el alcance del término: Es la asignación de coordenadas de una observación sobre una base o subespacio por productos internos. Las distancias del gráfico reducido no tienen por qué preservar todas las distancias originales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Proyección lineal».
Extiende la idea de PCA mediante un núcleo que representa productos internos en un espacio de características implícito.
061 / 132 · PCA y reducción
PCA y detección de anomalías
Definición y significado
Utiliza distancias en el subespacio principal o errores en el residual para identificar observaciones poco compatibles con la estructura dominante.
Fundamento técnico · por qué funciona
Un punto puede tener score extremo dentro del subespacio o gran error de reconstrucción fuera de él.
Caso de negocio o lectura de resultados
Una transacción puede parecer normal en monto, pero inusual en la combinación de métricas correlacionadas.
Error frecuente y límite de aplicación
Un score alto no prueba fraude; los umbrales deben validarse con contexto, errores y decisiones reales.
Conexión para profundizar
La relación con «Error cuadrático de reconstrucción» ayuda a delimitar el alcance del término: Cuantifica la suma o promedio de cuadrados entre observaciones originales y reconstruidas en el mismo espacio de comparación. La reducción de error dentro de la muestra no implica que una proyección generalice bien fuera de ella.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Error cuadrático de reconstrucción».
Utiliza distancias en el subespacio principal o errores en el residual para identificar observaciones poco compatibles con la estructura dominante.
062 / 132 · PCA y reducción
PCA y clustering posterior
Definición y significado
Combina reducción de dimensión con un algoritmo de agrupamiento, ajustando primero la representación y luego las distancias entre scores.
Fundamento técnico · por qué funciona
Puede eliminar ruido o redundancia y acelerar estimación, pero también descartar la dimensión que separa grupos pequeños.
Caso de negocio o lectura de resultados
Se prueban clusters sobre datos estandarizados y sobre los primeros componentes para comparar estabilidad y perfil.
Error frecuente y límite de aplicación
Una elección de componentes basada únicamente en varianza puede destruir separaciones de negocio relevantes.
Conexión para profundizar
La relación con «Dimensionalidad intrínseca» ayuda a delimitar el alcance del término: Es la cantidad aproximada de grados de libertad que describen la estructura útil de los datos, potencialmente menor que las columnas originales. Una estimación baja no asegura que esas dimensiones sean las que mejor predicen el resultado comercial.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Dimensionalidad intrínseca».
Combina reducción de dimensión con un algoritmo de agrupamiento, ajustando primero la representación y luego las distancias entre scores.
063 / 132 · PCA y reducción
Filtración de información en PCA
Definición y significado
Ocurre cuando la transformación aprende parámetros usando registros que deben reservarse para evaluación o datos futuros.
Fundamento técnico · por qué funciona
Medias, desviaciones y autovectores deben ajustarse dentro de cada partición de entrenamiento en procedimientos evaluativos.
Caso de negocio o lectura de resultados
En una validación temporal, calcular PCA con meses futuros introduce información de distribución no disponible en el pasado.
Error frecuente y límite de aplicación
Aunque PCA no use etiquetas, puede filtrar información y favorecer artificialmente la evaluación de un pipeline.
Conexión para profundizar
La relación con «Pipeline de preprocesamiento» ayuda a delimitar el alcance del término: Es una secuencia reproducible que integra imputación, codificación, escalado, reducción y estimación. Ejecutar operaciones manuales sin registrar orden y parámetros puede volver irreproducibles las decisiones.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Pipeline de preprocesamiento».
Ocurre cuando la transformación aprende parámetros usando registros que deben reservarse para evaluación o datos futuros.
064 / 132 · K-Means
Partición por clusters
Definición y significado
Distribuye las observaciones en grupos disjuntos, de modo que cada registro recibe una asignación en el esquema clásico.
Fundamento técnico · por qué funciona
No presupone que las etiquetas numéricas tengan orden; interesa el conjunto de pertenencias y las propiedades de cada grupo.
Caso de negocio o lectura de resultados
Una segmentación comercial puede formar cuatro perfiles con tamaños y comportamientos distintos.
Error frecuente y límite de aplicación
El algoritmo puede forzar una partición incluso cuando el conjunto es continuo y no contiene cortes naturales.
Conexión para profundizar
La relación con «Aprendizaje no supervisado» ayuda a delimitar el alcance del término: Busca regularidades de la distribución de las variables sin disponer de una etiqueta objetivo que indique la respuesta correcta. Que aparezcan grupos no prueba que existan categorías naturales ni garantiza utilidad comercial.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Aprendizaje no supervisado».
Distribuye las observaciones en grupos disjuntos, de modo que cada registro recibe una asignación en el esquema clásico.
065 / 132 · K-Means
Centroide
Definición y significado
Es la media vectorial de las observaciones asignadas a un cluster y minimiza su suma de distancias euclídeas cuadradas.
Fundamento técnico · por qué funciona
Puede quedar en una posición donde no existe ninguna observación real, porque resume promedios de coordenadas.
Caso de negocio o lectura de resultados
El centroide de un segmento aproxima el perfil de gasto, frecuencia y antigüedad del grupo.
Error frecuente y límite de aplicación
La media se desplaza ante outliers y puede resumir mal grupos alargados, no convexos o multimodales.
Conexión para profundizar
La relación con «Medoide» ayuda a delimitar el alcance del término: Es una observación real elegida para representar un cluster según una función de disimilitud. No confundir k-medoids con K-Means: usan representaciones y funciones objetivo diferentes.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Medoide».
Es la media vectorial de las observaciones asignadas a un cluster y minimiza su suma de distancias euclídeas cuadradas.
066 / 132 · K-Means
Medoide
Definición y significado
Es una observación real elegida para representar un cluster según una función de disimilitud.
Fundamento técnico · por qué funciona
A diferencia del centroide, pertenece al dataset y puede utilizar distancias no euclídeas en métodos como k-medoids.
Caso de negocio o lectura de resultados
Un cliente medoide puede ofrecer un caso representativo concreto para describir su segmento.
Error frecuente y límite de aplicación
No confundir k-medoids con K-Means: usan representaciones y funciones objetivo diferentes.
Conexión para profundizar
La relación con «Centroide» ayuda a delimitar el alcance del término: Es la media vectorial de las observaciones asignadas a un cluster y minimiza su suma de distancias euclídeas cuadradas. La media se desplaza ante outliers y puede resumir mal grupos alargados, no convexos o multimodales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Centroide».
Es una observación real elegida para representar un cluster según una función de disimilitud.
067 / 132 · K-Means
Función objetivo de K-Means
Definición y significado
Minimiza la suma de distancias euclídeas cuadradas desde cada punto al centroide de su grupo, llamada inercia.
Fundamento técnico · por qué funciona
La minimización conjunta de asignaciones y centros es no convexa y puede alcanzar soluciones locales diferentes.
Relación matemática esencial
J=Σᵢ‖xᵢ−μ_{cᵢ}‖²
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Al dividir clientes, una solución compacta logra menor inercia cuando las observaciones quedan cerca de sus medias grupales.
Error frecuente y límite de aplicación
Reducir inercia no implica automáticamente mejorar retención, ventas ni interpretabilidad.
Conexión para profundizar
La relación con «Mínimo local» ayuda a delimitar el alcance del término: Es una solución que no mejora mediante cambios pequeños permitidos por el procedimiento, aunque existan soluciones globalmente mejores. Llamar óptima a una solución convergida sin aclarar el alcance de optimalidad es técnicamente incorrecto.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Mínimo local».
Minimiza la suma de distancias euclídeas cuadradas desde cada punto al centroide de su grupo, llamada inercia.
068 / 132 · K-Means
Inercia WCSS
Definición y significado
Es la suma de cuadrados dentro de los clusters, medida respecto de los centroides asignados.
Fundamento técnico · por qué funciona
Para un mismo conjunto y preprocesamiento, no puede aumentar el mínimo óptimo al permitir un K mayor.
Relación matemática esencial
WCSS=ΣₖΣ_{i∈Cₖ}‖xᵢ−μₖ‖²
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Se compara la inercia al elegir dos, tres y cuatro segmentos, vigilando el costo de complejidad.
Error frecuente y límite de aplicación
Comparar inercias entre datasets escalados de manera diferente carece de sentido directo.
Conexión para profundizar
La relación con «Método del codo» ayuda a delimitar el alcance del término: Busca un punto de disminución marginal de la mejora de inercia al aumentar K. El codo puede no existir o ser ambiguo, especialmente ante distribuciones continuas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Método del codo».
Es la suma de cuadrados dentro de los clusters, medida respecto de los centroides asignados.
069 / 132 · K-Means
Algoritmo de Lloyd
Definición y significado
Alterna asignación de cada punto al centroide más próximo y actualización de centros como medias de los grupos.
Fundamento técnico · por qué funciona
Cada paso exacto no incrementa la inercia; cuando las asignaciones dejan de cambiar, se ha alcanzado un punto fijo bajo reglas de empate.
Caso de negocio o lectura de resultados
El docente puede pausar tras cada paso para ver qué clientes cambian de grupo y cómo se desplaza la media.
Error frecuente y límite de aplicación
Monotonía de la inercia no prueba haber hallado el mínimo global.
Conexión para profundizar
La relación con «Convergencia de K-Means» ayuda a delimitar el alcance del término: Es la estabilización práctica de asignaciones, centros o mejora del objetivo según una tolerancia o número máximo de pasos. Una detención por límite de iteraciones no debe confundirse con convergencia comprobada.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Convergencia de K-Means».
Alterna asignación de cada punto al centroide más próximo y actualización de centros como medias de los grupos.
070 / 132 · K-Means
Paso de asignación
Definición y significado
Asigna cada observación a un centroide de mínima distancia cuadrática, respetando la regla de desempate establecida.
Fundamento técnico · por qué funciona
Con centroides fijos, esta operación minimiza la contribución individual de cada punto al objetivo total.
Caso de negocio o lectura de resultados
Cuando se arrastra un centroide en S05, se actualizan las regiones a las que pertenecen los puntos.
Error frecuente y límite de aplicación
Un pequeño movimiento cerca de una frontera puede cambiar muchas etiquetas sin variar sustantivamente los perfiles.
Conexión para profundizar
La relación con «Diagrama de Voronoi» ayuda a delimitar el alcance del término: Particiona el espacio según el centroide más cercano y define fronteras de puntos equidistantes entre centros. Una región de Voronoi no equivale a un segmento de mercado con una frontera causal real.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Diagrama de Voronoi».
Asigna cada observación a un centroide de mínima distancia cuadrática, respetando la regla de desempate establecida.
071 / 132 · K-Means
Paso de actualización
Definición y significado
Recalcula cada centroide como promedio de las observaciones que tiene asignadas.
Fundamento técnico · por qué funciona
Para grupos no vacíos y geometría euclídea cuadrática, la media es el mínimo exacto respecto de la posición del centro.
Relación matemática esencial
μₖ=(1/|Cₖ|)Σ_{i∈Cₖ}xᵢ
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
En una iteración, el centro se desplaza hacia la zona de mayor concentración de sus clientes asignados.
Error frecuente y límite de aplicación
El problema del cluster vacío requiere una política especial y no se resuelve simplemente calculando una media.
Conexión para profundizar
La relación con «Centroide» ayuda a delimitar el alcance del término: Es la media vectorial de las observaciones asignadas a un cluster y minimiza su suma de distancias euclídeas cuadradas. La media se desplaza ante outliers y puede resumir mal grupos alargados, no convexos o multimodales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Centroide».
Recalcula cada centroide como promedio de las observaciones que tiene asignadas.
072 / 132 · K-Means
Convergencia de K-Means
Definición y significado
Es la estabilización práctica de asignaciones, centros o mejora del objetivo según una tolerancia o número máximo de pasos.
Fundamento técnico · por qué funciona
El método termina en un mínimo local o punto estacionario discreto bajo las condiciones del procedimiento.
Caso de negocio o lectura de resultados
En S06 la curva de inercia se estabiliza, pero otras inicializaciones aún pueden encontrar un valor menor.
Error frecuente y límite de aplicación
Una detención por límite de iteraciones no debe confundirse con convergencia comprobada.
Conexión para profundizar
La relación con «Algoritmo de Lloyd» ayuda a delimitar el alcance del término: Alterna asignación de cada punto al centroide más próximo y actualización de centros como medias de los grupos. Monotonía de la inercia no prueba haber hallado el mínimo global.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Algoritmo de Lloyd».
Es la estabilización práctica de asignaciones, centros o mejora del objetivo según una tolerancia o número máximo de pasos.
073 / 132 · K-Means
Inicialización aleatoria
Definición y significado
Consiste en escoger posiciones iniciales de centroides mediante un mecanismo pseudoaleatorio.
Fundamento técnico · por qué funciona
Diferentes elecciones pueden conducir a distintas particiones finales por el carácter no convexo de K-Means.
Caso de negocio o lectura de resultados
Con los mismos clientes y K, cambiar semilla permite ver soluciones y tamaños de grupos diferentes.
Error frecuente y límite de aplicación
Reportar la mejor única ejecución sin mostrar variabilidad oculta el riesgo de mínimos locales.
Conexión para profundizar
La relación con «Semilla aleatoria» ayuda a delimitar el alcance del término: Es el estado inicial usado por un generador pseudoaleatorio para reproducir una secuencia de decisiones o muestras. Una sola semilla favorable no demuestra estabilidad; hay que repetir con inicializaciones o remuestreos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Semilla aleatoria».
Consiste en escoger posiciones iniciales de centroides mediante un mecanismo pseudoaleatorio.
074 / 132 · K-Means
Inicialización k-means++
Definición y significado
Elige sucesivos centroides con probabilidad relacionada con la distancia cuadrática a los centros ya elegidos, según su variante.
Fundamento técnico · por qué funciona
Favorece semillas dispersas en la geometría de los datos y suele mejorar resultados frente a ciertas inicializaciones uniformes.
Caso de negocio o lectura de resultados
Al activar k-means++ en S07 pueden reducirse reinicios fallidos en grupos claramente separados.
Error frecuente y límite de aplicación
No garantiza el óptimo global y distintas implementaciones pueden usar variantes de selección.
Conexión para profundizar
La relación con «Inicialización aleatoria» ayuda a delimitar el alcance del término: Consiste en escoger posiciones iniciales de centroides mediante un mecanismo pseudoaleatorio. Reportar la mejor única ejecución sin mostrar variabilidad oculta el riesgo de mínimos locales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Inicialización aleatoria».
Elige sucesivos centroides con probabilidad relacionada con la distancia cuadrática a los centros ya elegidos, según su variante.
075 / 132 · K-Means
Reinicios n_init
Definición y significado
Es la ejecución del algoritmo desde varias semillas iniciales para conservar una solución favorable según la función objetivo.
Fundamento técnico · por qué funciona
Ayuda a evaluar y reducir dependencia del punto de partida, aunque aumenta costo computacional.
Caso de negocio o lectura de resultados
Comparar diez corridas y reportar sus inercias permite justificar la solución seleccionada.
Error frecuente y límite de aplicación
Un número elevado de reinicios no corrige una elección inadecuada de K, distancia o variables.
Conexión para profundizar
La relación con «Semilla aleatoria» ayuda a delimitar el alcance del término: Es el estado inicial usado por un generador pseudoaleatorio para reproducir una secuencia de decisiones o muestras. Una sola semilla favorable no demuestra estabilidad; hay que repetir con inicializaciones o remuestreos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Semilla aleatoria».
Es la ejecución del algoritmo desde varias semillas iniciales para conservar una solución favorable según la función objetivo.
076 / 132 · K-Means
Mínimo local
Definición y significado
Es una solución que no mejora mediante cambios pequeños permitidos por el procedimiento, aunque existan soluciones globalmente mejores.
Fundamento técnico · por qué funciona
K-Means puede quedar atrapado por la combinación de fronteras de Voronoi y actualización de medias.
Caso de negocio o lectura de resultados
Dos configuraciones finales con distintas inercias muestran que una sola ejecución no revela necesariamente la mejor partición.
Error frecuente y límite de aplicación
Llamar óptima a una solución convergida sin aclarar el alcance de optimalidad es técnicamente incorrecto.
Conexión para profundizar
La relación con «Función objetivo de K-Means» ayuda a delimitar el alcance del término: Minimiza la suma de distancias euclídeas cuadradas desde cada punto al centroide de su grupo, llamada inercia. Reducir inercia no implica automáticamente mejorar retención, ventas ni interpretabilidad.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Función objetivo de K-Means».
Es una solución que no mejora mediante cambios pequeños permitidos por el procedimiento, aunque existan soluciones globalmente mejores.
077 / 132 · K-Means
Cluster vacío
Definición y significado
Aparece cuando ningún punto queda asignado a uno de los centroides durante una iteración.
Fundamento técnico · por qué funciona
El centro carece de media calculable y cada implementación debe reubicarlo, retirarlo o adoptar una estrategia explícita.
Caso de negocio o lectura de resultados
Si K es grande o dos centros parten cerca, puede surgir un centro sin clientes asignados.
Error frecuente y límite de aplicación
Ignorar el caso puede producir NaN, etiquetas inconsistentes o una cantidad efectiva menor de clusters.
Conexión para profundizar
La relación con «Paso de actualización» ayuda a delimitar el alcance del término: Recalcula cada centroide como promedio de las observaciones que tiene asignadas. El problema del cluster vacío requiere una política especial y no se resuelve simplemente calculando una media.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Paso de actualización».
Aparece cuando ningún punto queda asignado a uno de los centroides durante una iteración.
078 / 132 · K-Means
Diagrama de Voronoi
Definición y significado
Particiona el espacio según el centroide más cercano y define fronteras de puntos equidistantes entre centros.
Fundamento técnico · por qué funciona
Con distancia euclídea, las celdas de Voronoi de centroides clásicos son convexas y sus fronteras son lineales.
Caso de negocio o lectura de resultados
En S05 se observa cómo un centroide arrastrado modifica regiones de asignación en el plano.
Error frecuente y límite de aplicación
Una región de Voronoi no equivale a un segmento de mercado con una frontera causal real.
Conexión para profundizar
La relación con «Paso de asignación» ayuda a delimitar el alcance del término: Asigna cada observación a un centroide de mínima distancia cuadrática, respetando la regla de desempate establecida. Un pequeño movimiento cerca de una frontera puede cambiar muchas etiquetas sin variar sustantivamente los perfiles.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Paso de asignación».
Particiona el espacio según el centroide más cercano y define fronteras de puntos equidistantes entre centros.
079 / 132 · K-Means
K y número de grupos
Definición y significado
K determina cuántos centroides y particiones impone K-Means y es una decisión de modelado no observada automáticamente.
Fundamento técnico · por qué funciona
Se elige considerando geometría, estabilidad, métricas internas, tamaños, significado y acciones de negocio.
Caso de negocio o lectura de resultados
K igual a tres puede separar segmentos operativos mejor que K igual a cinco aunque este reduzca inercia.
Error frecuente y límite de aplicación
No asumir que existe un único K verdadero identificable mediante una curva.
Conexión para profundizar
La relación con «PCA y clustering posterior» ayuda a delimitar el alcance del término: Combina reducción de dimensión con un algoritmo de agrupamiento, ajustando primero la representación y luego las distancias entre scores. Una elección de componentes basada únicamente en varianza puede destruir separaciones de negocio relevantes.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «PCA y clustering posterior».
K determina cuántos centroides y particiones impone K-Means y es una decisión de modelado no observada automáticamente.
080 / 132 · K-Means
Método del codo
Definición y significado
Busca un punto de disminución marginal de la mejora de inercia al aumentar K.
Fundamento técnico · por qué funciona
Un cambio notable de pendiente puede orientar una elección, pero depende de escala, rango probado y variabilidad de los datos.
Caso de negocio o lectura de resultados
Si pasar de K dos a tres reduce mucho la inercia y de tres a cuatro poco, se examina tres como candidato.
Error frecuente y límite de aplicación
El codo puede no existir o ser ambiguo, especialmente ante distribuciones continuas.
Conexión para profundizar
La relación con «Inercia WCSS» ayuda a delimitar el alcance del término: Es la suma de cuadrados dentro de los clusters, medida respecto de los centroides asignados. Comparar inercias entre datasets escalados de manera diferente carece de sentido directo.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Inercia WCSS».
Busca un punto de disminución marginal de la mejora de inercia al aumentar K.
081 / 132 · K-Means
Coeficiente silhouette
Definición y significado
Compara la distancia media intracluster a de cada punto con la menor distancia media b a otro cluster, mediante (b−a)/max(a,b).
Fundamento técnico · por qué funciona
Toma valores entre menos uno y uno cuando está definido; altos positivos indican cohesión y separación, cercanos a cero fronteras inciertas.
Relación matemática esencial
s(i)=[b(i)−a(i)]/max[a(i),b(i)]
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
La media de silhouettes permite comparar configuraciones de K y analizar puntos mal asignados.
Error frecuente y límite de aplicación
Puede favorecer grupos convexos y no garantiza estabilidad ni utilidad comercial; exige al menos dos clusters y menos clusters que muestras.
Conexión para profundizar
La relación con «Método del codo» ayuda a delimitar el alcance del término: Busca un punto de disminución marginal de la mejora de inercia al aumentar K. El codo puede no existir o ser ambiguo, especialmente ante distribuciones continuas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Método del codo».
Compara la distancia media intracluster a de cada punto con la menor distancia media b a otro cluster, mediante (b−a)/max(a,b).
082 / 132 · K-Means
Davies-Bouldin
Definición y significado
Índice interno que compara dispersión intracluster con distancia entre centroides usando una agregación de peores relaciones entre grupos.
Fundamento técnico · por qué funciona
Valores menores suelen interpretarse como mejor separación relativa bajo las definiciones específicas de dispersión.
Caso de negocio o lectura de resultados
Puede complementar silhouette cuando se estudian segmentaciones compactas en K-Means.
Error frecuente y límite de aplicación
Sus preferencias geométricas y su sensibilidad a outliers deben declararse.
Conexión para profundizar
La relación con «Calinski-Harabasz» ayuda a delimitar el alcance del término: Cociente entre dispersión entre clusters y dispersión dentro de clusters, ajustado por grados de libertad. No corrige por sí mismo la arbitrariedad de las variables ni constituye validación externa.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Calinski-Harabasz».
Índice interno que compara dispersión intracluster con distancia entre centroides usando una agregación de peores relaciones entre grupos.
083 / 132 · K-Means
Calinski-Harabasz
Definición y significado
Cociente entre dispersión entre clusters y dispersión dentro de clusters, ajustado por grados de libertad.
Fundamento técnico · por qué funciona
Suele favorecer soluciones con grupos compactos y centros separados bajo geometría euclídea.
Caso de negocio o lectura de resultados
Al evaluar varias K, se puede comparar este índice junto con tamaños de clusters.
Error frecuente y límite de aplicación
No corrige por sí mismo la arbitrariedad de las variables ni constituye validación externa.
Conexión para profundizar
La relación con «Davies-Bouldin» ayuda a delimitar el alcance del término: Índice interno que compara dispersión intracluster con distancia entre centroides usando una agregación de peores relaciones entre grupos. Sus preferencias geométricas y su sensibilidad a outliers deben declararse.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Davies-Bouldin».
Cociente entre dispersión entre clusters y dispersión dentro de clusters, ajustado por grados de libertad.
084 / 132 · K-Means
MiniBatch K-Means
Definición y significado
Variante que actualiza centroides usando minibatches de observaciones para reducir el costo de cada iteración.
Fundamento técnico · por qué funciona
Aproxima la solución de K-Means con actualizaciones parciales y compromisos entre velocidad y estabilidad.
Caso de negocio o lectura de resultados
Para cientos de miles de clientes se puede usar MiniBatch como prueba preliminar de segmentación.
Error frecuente y límite de aplicación
Sus centros e inercia pueden diferir de los obtenidos por Lloyd completo.
Conexión para profundizar
La relación con «Complejidad jerárquica» ayuda a delimitar el alcance del término: Describe los costos de tiempo y memoria de construir y conservar distancias y estructuras de fusiones. No prometer escalabilidad lineal del clustering jerárquico clásico por la sola existencia de un dendrograma.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Complejidad jerárquica».
Variante que actualiza centroides usando minibatches de observaciones para reducir el costo de cada iteración.
085 / 132 · K-Means
K-Means y outliers
Definición y significado
Describe la sensibilidad de la media y del objetivo cuadrático a registros extremadamente alejados.
Fundamento técnico · por qué funciona
Un solo punto lejano puede desplazar un centroide o consumir un cluster completo según K y configuración.
Caso de negocio o lectura de resultados
Un comprador extraordinario puede generar un centro casi exclusivo que no representa un mercado accionable.
Error frecuente y límite de aplicación
Estandarizar no elimina observaciones atípicas; deben estudiarse robustez y propósito.
Conexión para profundizar
La relación con «Escalado robusto» ayuda a delimitar el alcance del término: Centra mediante mediana y escala mediante rango intercuartílico u otras estadísticas resistentes. Un K-Means ajustado después continúa siendo sensible a outliers por su objetivo cuadrático.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Escalado robusto».
Describe la sensibilidad de la media y del objetivo cuadrático a registros extremadamente alejados.
086 / 132 · K-Means
K-Means y grupos no convexos
Definición y significado
Explica la dificultad del modelo clásico para recuperar anillos, lunas o cadenas curvas.
Fundamento técnico · por qué funciona
Las celdas de Voronoi imponen particiones por proximidad a centros, no conectividad sobre una variedad curva.
Caso de negocio o lectura de resultados
Con dos anillos concéntricos, K-Means suele dividir sectores geométricos en lugar de reconstruir los anillos.
Error frecuente y límite de aplicación
Un silhouette relativamente favorable no convierte la frontera obtenida en la estructura deseada.
Conexión para profundizar
La relación con «Blanqueamiento o whitening» ayuda a delimitar el alcance del término: Transforma scores PCA para llevar sus componentes retenidos a escalas unitarias bajo una convención explícita. Amplificar componentes de muy baja varianza también puede amplificar ruido y anomalías de medición.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Blanqueamiento o whitening».
Explica la dificultad del modelo clásico para recuperar anillos, lunas o cadenas curvas.
087 / 132 · K-Means
Desbalance de tamaños
Definición y significado
Ocurre cuando unos segmentos tienen muchas más observaciones que otros y puede afectar el objetivo total.
Fundamento técnico · por qué funciona
El promedio cuadrático está dominado por grupos grandes, lo que puede relegar segmentos pequeños y valiosos.
Caso de negocio o lectura de resultados
Una minoría de clientes premium puede quedar absorbida por un segmento mayor si se optimiza solo inercia.
Error frecuente y límite de aplicación
No exigir tamaños iguales: verificar presencia, rentabilidad y estabilidad del segmento minoritario.
Conexión para profundizar
La relación con «Perfilado de clusters» ayuda a delimitar el alcance del término: Resume cada grupo mediante métricas relevantes, dispersión, tamaño, diferencias respecto del total y evidencia accionable. Un nombre atractivo no sustituye validación de estabilidad, alcanzabilidad o rentabilidad.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Perfilado de clusters».
Ocurre cuando unos segmentos tienen muchas más observaciones que otros y puede afectar el objetivo total.
088 / 132 · K-Means
Etiquetas permutables
Definición y significado
Los identificadores 0, 1 o 2 asignados a clusters son nombres arbitrarios sin orden intrínseco.
Fundamento técnico · por qué funciona
Dos corridas pueden describir exactamente la misma partición intercambiando todos sus números de etiqueta.
Caso de negocio o lectura de resultados
Para comparar ejecuciones se emplean medidas invariantes a la permutación, como ARI.
Error frecuente y límite de aplicación
Restar códigos de cluster o interpretar que el grupo 2 es superior al 1 carece de sentido.
Conexión para profundizar
La relación con «Partición por clusters» ayuda a delimitar el alcance del término: Distribuye las observaciones en grupos disjuntos, de modo que cada registro recibe una asignación en el esquema clásico. El algoritmo puede forzar una partición incluso cuando el conjunto es continuo y no contiene cortes naturales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Partición por clusters».
Los identificadores 0, 1 o 2 asignados a clusters son nombres arbitrarios sin orden intrínseco.
089 / 132 · K-Means
Perfilado de clusters
Definición y significado
Resume cada grupo mediante métricas relevantes, dispersión, tamaño, diferencias respecto del total y evidencia accionable.
Fundamento técnico · por qué funciona
Puede incluir medias, medianas, intervalos y variables no usadas en la estimación para describir las consecuencias comerciales.
Caso de negocio o lectura de resultados
Se denominan segmentos de alto valor o baja frecuencia solamente después de estudiar sus distribuciones.
Error frecuente y límite de aplicación
Un nombre atractivo no sustituye validación de estabilidad, alcanzabilidad o rentabilidad.
Conexión para profundizar
La relación con «Desbalance de tamaños» ayuda a delimitar el alcance del término: Ocurre cuando unos segmentos tienen muchas más observaciones que otros y puede afectar el objetivo total. No exigir tamaños iguales: verificar presencia, rentabilidad y estabilidad del segmento minoritario.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Desbalance de tamaños».
Resume cada grupo mediante métricas relevantes, dispersión, tamaño, diferencias respecto del total y evidencia accionable.
090 / 132 · K-Means
Predicción de pertenencia futura
Definición y significado
Consiste en asignar nuevas observaciones a un esquema de segmentos ya ajustado, aplicando exactamente las mismas transformaciones.
Fundamento técnico · por qué funciona
En K-Means se calculan distancias a centroides congelados; el mecanismo no exige volver a entrenar al agregar cada cliente.
Caso de negocio o lectura de resultados
Una empresa clasifica cada nuevo cliente en el segmento operativo asociado al centroide más próximo.
Error frecuente y límite de aplicación
Si cambia la distribución, los centroides pueden quedar obsoletos; debe monitorearse drift.
Conexión para profundizar
La relación con «Drift de perfiles» ayuda a delimitar el alcance del término: Es la modificación persistente de las características o comportamientos que definen segmentos observados. Confundir estacionalidad esperada con deterioro estructural puede inducir resegmentaciones innecesarias.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Drift de perfiles».
Consiste en asignar nuevas observaciones a un esquema de segmentos ya ajustado, aplicando exactamente las mismas transformaciones.
091 / 132 · Jerárquico y dendrogramas
Clustering jerárquico aglomerativo
Definición y significado
Comienza con una observación por grupo y fusiona pares sucesivos hasta construir una jerarquía completa o detenerse antes.
Fundamento técnico · por qué funciona
Cada combinación depende de una definición de disimilitud entre grupos, llamada linkage.
Caso de negocio o lectura de resultados
La secuencia de fusiones permite examinar agrupamientos de clientes con dos, tres o diez segmentos.
Error frecuente y límite de aplicación
La jerarquía codifica decisiones irreversibles para ese ajuste: una fusión temprana no se deshace después.
Conexión para profundizar
La relación con «Clustering jerárquico divisivo» ayuda a delimitar el alcance del término: Parte del conjunto completo y lo divide recursivamente en grupos menores. No todas las técnicas divisivas producen la misma estructura que un algoritmo aglomerativo invertido.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Clustering jerárquico divisivo».
Comienza con una observación por grupo y fusiona pares sucesivos hasta construir una jerarquía completa o detenerse antes.
092 / 132 · Jerárquico y dendrogramas
Clustering jerárquico divisivo
Definición y significado
Parte del conjunto completo y lo divide recursivamente en grupos menores.
Fundamento técnico · por qué funciona
Construye la jerarquía en sentido opuesto al enfoque aglomerativo y puede requerir criterios globales costosos.
Caso de negocio o lectura de resultados
Una cartera completa puede dividirse por segmentos amplios antes de detallar subperfiles.
Error frecuente y límite de aplicación
No todas las técnicas divisivas producen la misma estructura que un algoritmo aglomerativo invertido.
Conexión para profundizar
La relación con «Clustering jerárquico aglomerativo» ayuda a delimitar el alcance del término: Comienza con una observación por grupo y fusiona pares sucesivos hasta construir una jerarquía completa o detenerse antes. La jerarquía codifica decisiones irreversibles para ese ajuste: una fusión temprana no se deshace después.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Clustering jerárquico aglomerativo».
Parte del conjunto completo y lo divide recursivamente en grupos menores.
093 / 132 · Jerárquico y dendrogramas
Matriz de disimilitudes
Definición y significado
Es una tabla de valores de distancia o diferencia entre pares de observaciones, usualmente simétrica en los métodos clásicos.
Fundamento técnico · por qué funciona
Con n observaciones requiere del orden de n al cuadrado de elementos y puede convertirse en un cuello de memoria.
Caso de negocio o lectura de resultados
En S10 mover un punto cambia varias entradas de la tabla, mostrando cómo afecta las fusiones.
Error frecuente y límite de aplicación
No cualquier matriz arbitraria representa una métrica; algunos algoritmos exigen propiedades específicas.
Conexión para profundizar
La relación con «Complejidad jerárquica» ayuda a delimitar el alcance del término: Describe los costos de tiempo y memoria de construir y conservar distancias y estructuras de fusiones. No prometer escalabilidad lineal del clustering jerárquico clásico por la sola existencia de un dendrograma.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Complejidad jerárquica».
Es una tabla de valores de distancia o diferencia entre pares de observaciones, usualmente simétrica en los métodos clásicos.
094 / 132 · Jerárquico y dendrogramas
Linkage
Definición y significado
Es la regla que cuantifica la disimilitud entre dos clusters a partir de sus integrantes y estructura.
Fundamento técnico · por qué funciona
Single, complete, average y Ward capturan objetivos geométricos distintos y pueden dar dendrogramas diferentes sobre los mismos datos.
Caso de negocio o lectura de resultados
Comparar cuatro linkages en S12 ayuda a decidir si se prioriza proximidad, compactación o variabilidad interna.
Error frecuente y límite de aplicación
Cambiar linkage no es un mero ajuste visual: cambia la definición operativa de agrupamiento.
Conexión para profundizar
La relación con «Dendrograma» ayuda a delimitar el alcance del término: Es una representación arbórea donde cada unión conecta dos clusters y la altura codifica disimilitud o incremento según el linkage. La cercanía horizontal entre hojas depende del orden de dibujo; la altura y las ramas son lo esencial.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Dendrograma».
Es la regla que cuantifica la disimilitud entre dos clusters a partir de sus integrantes y estructura.
095 / 132 · Jerárquico y dendrogramas
Single linkage
Definición y significado
Define la distancia entre grupos como la menor distancia entre cualquier pareja de observaciones de ambos grupos.
Fundamento técnico · por qué funciona
Tiende a unir puntos y cadenas por vecindad, permitiendo recuperar estructuras alargadas conectadas.
Relación matemática esencial
d(A,B)=mín{d(a,b):a∈A,b∈B}
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
En un dataset con puntos sobre una curva, puede conectar una cadena completa con pasos cortos.
Error frecuente y límite de aplicación
Es sensible a puentes de ruido que pueden unir grupos que deberían mantenerse separados.
Conexión para profundizar
La relación con «Encadenamiento chaining» ayuda a delimitar el alcance del término: Se produce cuando fusiones sucesivas agregan puntos por conexiones locales breves y crean clusters alargados. No es un error del cálculo: refleja el criterio de enlace mínimo elegido.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Encadenamiento chaining».
Define la distancia entre grupos como la menor distancia entre cualquier pareja de observaciones de ambos grupos.
096 / 132 · Jerárquico y dendrogramas
Complete linkage
Definición y significado
Define la disimilitud entre dos clusters por la mayor distancia entre sus pares de observaciones.
Fundamento técnico · por qué funciona
Prefiere grupos de diámetro relativamente contenido y desalienta fusiones que producirían conjuntos demasiado extensos.
Relación matemática esencial
d(A,B)=máx{d(a,b):a∈A,b∈B}
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Se usa al buscar segmentos cuya dispersión máxima sea limitada para diseñar acciones homogéneas.
Error frecuente y límite de aplicación
Puede fragmentar grupos alargados y exagerar la influencia de puntos extremos.
Conexión para profundizar
La relación con «Single linkage» ayuda a delimitar el alcance del término: Define la distancia entre grupos como la menor distancia entre cualquier pareja de observaciones de ambos grupos. Es sensible a puentes de ruido que pueden unir grupos que deberían mantenerse separados.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Single linkage».
Define la disimilitud entre dos clusters por la mayor distancia entre sus pares de observaciones.
097 / 132 · Jerárquico y dendrogramas
Average linkage
Definición y significado
Calcula la distancia media entre todas las parejas de observaciones pertenecientes a dos clusters.
Fundamento técnico · por qué funciona
Media entre comportamiento de enlace mínimo y máximo, pero la estructura final depende de la distribución de puntos.
Relación matemática esencial
d(A,B)=[Σa∈AΣb∈B d(a,b)]/(|A||B|)
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
En clientes mixtos puede producir fusiones menos sensibles a un único par de puntos cercanos.
Error frecuente y límite de aplicación
No necesariamente conserva grupos no convexos y puede ocultar subestructuras minoritarias.
Conexión para profundizar
La relación con «Weighted linkage» ayuda a delimitar el alcance del término: Actualiza distancias entre clusters mediante promedios que asignan el mismo peso a grupos que se fusionan, independientemente de sus tamaños. No debe confundirse con average linkage no ponderado por cantidad de grupos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Weighted linkage».
Calcula la distancia media entre todas las parejas de observaciones pertenecientes a dos clusters.
098 / 132 · Jerárquico y dendrogramas
Ward
Definición y significado
Elige la fusión que provoca el menor incremento de la suma de cuadrados dentro de los grupos.
Fundamento técnico · por qué funciona
Se relaciona con compactación euclídea y requiere una geometría apropiada; no es intercambiable con cualquier matriz de disimilitudes.
Relación matemática esencial
Δ(A,B)=[|A||B|/(|A|+|B|)]‖μA−μB‖²
La notación debe interpretarse bajo las convenciones de centrado, escala, métrica y normalización indicadas en la explicación.
Caso de negocio o lectura de resultados
Con perfiles numéricos escalados, suele producir clusters compactos similares en espíritu a un objetivo de varianza interna.
Error frecuente y límite de aplicación
Presentar Ward como simple distancia entre centroides sin incremento de varianza ni convención es impreciso.
Conexión para profundizar
La relación con «Función objetivo de K-Means» ayuda a delimitar el alcance del término: Minimiza la suma de distancias euclídeas cuadradas desde cada punto al centroide de su grupo, llamada inercia. Reducir inercia no implica automáticamente mejorar retención, ventas ni interpretabilidad.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Función objetivo de K-Means».
Elige la fusión que provoca el menor incremento de la suma de cuadrados dentro de los grupos.
099 / 132 · Jerárquico y dendrogramas
Weighted linkage
Definición y significado
Actualiza distancias entre clusters mediante promedios que asignan el mismo peso a grupos que se fusionan, independientemente de sus tamaños.
Fundamento técnico · por qué funciona
Su ponderación difiere del promedio entre todos los pares de observaciones cuando los tamaños son distintos.
Caso de negocio o lectura de resultados
Es útil comparar su efecto cuando se combinan segmentos de tamaños muy dispares.
Error frecuente y límite de aplicación
No debe confundirse con average linkage no ponderado por cantidad de grupos.
Conexión para profundizar
La relación con «Average linkage» ayuda a delimitar el alcance del término: Calcula la distancia media entre todas las parejas de observaciones pertenecientes a dos clusters. No necesariamente conserva grupos no convexos y puede ocultar subestructuras minoritarias.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Average linkage».
Actualiza distancias entre clusters mediante promedios que asignan el mismo peso a grupos que se fusionan, independientemente de sus tamaños.
100 / 132 · Jerárquico y dendrogramas
Dendrograma
Definición y significado
Es una representación arbórea donde cada unión conecta dos clusters y la altura codifica disimilitud o incremento según el linkage.
Fundamento técnico · por qué funciona
Permite recorrer particiones de distintos tamaños sin volver a ajustar el algoritmo aglomerativo sobre el mismo árbol.
Caso de negocio o lectura de resultados
En S11 se observan fusiones sincronizadas entre nube de puntos y ramas del dendrograma.
Error frecuente y límite de aplicación
La cercanía horizontal entre hojas depende del orden de dibujo; la altura y las ramas son lo esencial.
Conexión para profundizar
La relación con «Linkage» ayuda a delimitar el alcance del término: Es la regla que cuantifica la disimilitud entre dos clusters a partir de sus integrantes y estructura. Cambiar linkage no es un mero ajuste visual: cambia la definición operativa de agrupamiento.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Linkage».
Es una representación arbórea donde cada unión conecta dos clusters y la altura codifica disimilitud o incremento según el linkage.
101 / 132 · Jerárquico y dendrogramas
Altura de fusión
Definición y significado
Es el valor del eje vertical donde dos grupos se unen en un dendrograma aglomerativo.
Fundamento técnico · por qué funciona
Su significado depende de la métrica y del linkage; en Ward puede representar una transformación del incremento de dispersión.
Caso de negocio o lectura de resultados
Una altura alta puede sugerir que se están fusionando grupos más disímiles bajo la regla elegida.
Error frecuente y límite de aplicación
No leer esa altura como probabilidad, significación estadística ni distancia universal.
Conexión para profundizar
La relación con «Dendrograma» ayuda a delimitar el alcance del término: Es una representación arbórea donde cada unión conecta dos clusters y la altura codifica disimilitud o incremento según el linkage. La cercanía horizontal entre hojas depende del orden de dibujo; la altura y las ramas son lo esencial.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Dendrograma».
Es el valor del eje vertical donde dos grupos se unen en un dendrograma aglomerativo.
102 / 132 · Jerárquico y dendrogramas
Corte horizontal
Definición y significado
Traza una altura sobre el dendrograma y define como clusters las componentes que aún no se han fusionado a ese nivel.
Fundamento técnico · por qué funciona
Desplazar el corte modifica el número de grupos sin alterar las fusiones previamente calculadas.
Caso de negocio o lectura de resultados
En S13 se observan tres y luego cinco segmentos cambiando solo la altura de corte.
Error frecuente y límite de aplicación
Elegir el corte por estética sin validar tamaños y perfiles puede imponer una partición inútil.
Conexión para profundizar
La relación con «Número de clusters por corte» ayuda a delimitar el alcance del término: Es la cantidad de subárboles activos al cortar el dendrograma en un nivel definido. Empates de alturas y políticas de corte pueden crear ambigüedades, por lo que se debe declarar el criterio.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Número de clusters por corte».
Traza una altura sobre el dendrograma y define como clusters las componentes que aún no se han fusionado a ese nivel.
103 / 132 · Jerárquico y dendrogramas
Número de clusters por corte
Definición y significado
Es la cantidad de subárboles activos al cortar el dendrograma en un nivel definido.
Fundamento técnico · por qué funciona
También puede fijarse k solicitando una partición con esa cantidad de grupos según la secuencia de fusiones.
Caso de negocio o lectura de resultados
El equipo compara k igual a tres y cuatro sobre la misma jerarquía para valorar acciones operativas.
Error frecuente y límite de aplicación
Empates de alturas y políticas de corte pueden crear ambigüedades, por lo que se debe declarar el criterio.
Conexión para profundizar
La relación con «Corte horizontal» ayuda a delimitar el alcance del término: Traza una altura sobre el dendrograma y define como clusters las componentes que aún no se han fusionado a ese nivel. Elegir el corte por estética sin validar tamaños y perfiles puede imponer una partición inútil.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Corte horizontal».
Es la cantidad de subárboles activos al cortar el dendrograma en un nivel definido.
104 / 132 · Jerárquico y dendrogramas
Coeficiente cofenético
Definición y significado
Correlaciona distancias originales entre observaciones con alturas en las que sus pares se unen en el dendrograma.
Fundamento técnico · por qué funciona
Mide hasta qué punto la jerarquía representa las disimilitudes de entrada; valores altos reflejan mejor fidelidad ordinal o lineal según cálculo.
Caso de negocio o lectura de resultados
Sirve para comparar cómo diferentes linkages resumen una matriz de distancias.
Error frecuente y límite de aplicación
Una correlación alta no prueba que los clusters sean útiles o estables frente a perturbaciones.
Conexión para profundizar
La relación con «Distancia cofenética» ayuda a delimitar el alcance del término: Es la altura del nodo más bajo del árbol jerárquico que reúne por primera vez a dos observaciones. Puede diferir notablemente de su distancia original: el dendrograma es una simplificación jerárquica.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Distancia cofenética».
Correlaciona distancias originales entre observaciones con alturas en las que sus pares se unen en el dendrograma.
105 / 132 · Jerárquico y dendrogramas
Distancia cofenética
Definición y significado
Es la altura del nodo más bajo del árbol jerárquico que reúne por primera vez a dos observaciones.
Fundamento técnico · por qué funciona
Induce una representación ultramétrica de las relaciones codificadas por el dendrograma aglomerativo monotónico.
Caso de negocio o lectura de resultados
Dos clientes que se unen temprano presentan distancia cofenética pequeña bajo el árbol obtenido.
Error frecuente y límite de aplicación
Puede diferir notablemente de su distancia original: el dendrograma es una simplificación jerárquica.
Conexión para profundizar
La relación con «Coeficiente cofenético» ayuda a delimitar el alcance del término: Correlaciona distancias originales entre observaciones con alturas en las que sus pares se unen en el dendrograma. Una correlación alta no prueba que los clusters sean útiles o estables frente a perturbaciones.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Coeficiente cofenético».
Es la altura del nodo más bajo del árbol jerárquico que reúne por primera vez a dos observaciones.
106 / 132 · Jerárquico y dendrogramas
Encadenamiento chaining
Definición y significado
Se produce cuando fusiones sucesivas agregan puntos por conexiones locales breves y crean clusters alargados.
Fundamento técnico · por qué funciona
Es especialmente característico de single linkage cuando hay puentes de observaciones entre grupos densos.
Caso de negocio o lectura de resultados
Una fila de clientes intermedios puede conectar dos mercados distintos aun si sus extremos están muy separados.
Error frecuente y límite de aplicación
No es un error del cálculo: refleja el criterio de enlace mínimo elegido.
Conexión para profundizar
La relación con «Single linkage» ayuda a delimitar el alcance del término: Define la distancia entre grupos como la menor distancia entre cualquier pareja de observaciones de ambos grupos. Es sensible a puentes de ruido que pueden unir grupos que deberían mantenerse separados.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Single linkage».
Se produce cuando fusiones sucesivas agregan puntos por conexiones locales breves y crean clusters alargados.
107 / 132 · Jerárquico y dendrogramas
Empates de distancias
Definición y significado
Ocurren cuando dos o más fusiones candidatas tienen la misma disimilitud según el criterio de enlace.
Fundamento técnico · por qué funciona
La implementación necesita una regla de desempate, y distintos órdenes pueden producir árboles de apariencia o estructura diferentes.
Caso de negocio o lectura de resultados
Un cuadrado simétrico presenta varias parejas igual de cercanas que pueden fusionarse en distinto orden.
Error frecuente y límite de aplicación
No atribuir variaciones por desempate a cambios profundos en los datos.
Conexión para profundizar
La relación con «Semilla aleatoria» ayuda a delimitar el alcance del término: Es el estado inicial usado por un generador pseudoaleatorio para reproducir una secuencia de decisiones o muestras. Una sola semilla favorable no demuestra estabilidad; hay que repetir con inicializaciones o remuestreos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Semilla aleatoria».
Ocurren cuando dos o más fusiones candidatas tienen la misma disimilitud según el criterio de enlace.
108 / 132 · Jerárquico y dendrogramas
Monotonicidad de alturas
Definición y significado
Significa que las alturas de fusión no disminuyen a medida que avanza la jerarquía aglomerativa.
Fundamento técnico · por qué funciona
Los linkages clásicos single, complete, average y Ward suelen producir dendrogramas sin inversiones bajo sus supuestos.
Caso de negocio o lectura de resultados
Un gráfico ascendente facilita cortar el árbol y razonar sobre la estructura.
Error frecuente y límite de aplicación
Otros criterios como centroid linkage pueden producir inversiones; no debe universalizarse.
Conexión para profundizar
La relación con «Dendrograma» ayuda a delimitar el alcance del término: Es una representación arbórea donde cada unión conecta dos clusters y la altura codifica disimilitud o incremento según el linkage. La cercanía horizontal entre hojas depende del orden de dibujo; la altura y las ramas son lo esencial.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Dendrograma».
Significa que las alturas de fusión no disminuyen a medida que avanza la jerarquía aglomerativa.
109 / 132 · Jerárquico y dendrogramas
Complejidad jerárquica
Definición y significado
Describe los costos de tiempo y memoria de construir y conservar distancias y estructuras de fusiones.
Fundamento técnico · por qué funciona
Muchas implementaciones aglomerativas necesitan memoria cuadrática en n, aunque existen optimizaciones según la regla.
Caso de negocio o lectura de resultados
Un problema de doscientas observaciones es sencillo para docencia; cientos de miles pueden exigir alternativas.
Error frecuente y límite de aplicación
No prometer escalabilidad lineal del clustering jerárquico clásico por la sola existencia de un dendrograma.
Conexión para profundizar
La relación con «MiniBatch K-Means» ayuda a delimitar el alcance del término: Variante que actualiza centroides usando minibatches de observaciones para reducir el costo de cada iteración. Sus centros e inercia pueden diferir de los obtenidos por Lloyd completo.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «MiniBatch K-Means».
Describe los costos de tiempo y memoria de construir y conservar distancias y estructuras de fusiones.
110 / 132 · Jerárquico y dendrogramas
Conectividad restringida
Definición y significado
Limita posibles fusiones mediante una red de vecinos o estructura espacial definida antes de ajustar el algoritmo.
Fundamento técnico · por qué funciona
Permite imponer restricciones locales y, en ciertos casos, reducir costo o reflejar adyacencias sustantivas.
Caso de negocio o lectura de resultados
Agrupar zonas geográficas vecinas puede exigir que solo se unan áreas contiguas.
Error frecuente y límite de aplicación
Una restricción mal planteada puede forzar agrupamientos que ocultan similitudes entre zonas no adyacentes.
Conexión para profundizar
La relación con «Métrica de distancia» ayuda a delimitar el alcance del término: Es una regla de comparación que cuantifica cuán diferentes son dos observaciones y, cuando satisface los axiomas matemáticos, constituye una métrica. Elegir una distancia por costumbre, sin justificar variables y escalas, convierte los grupos en artefactos de representación.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Métrica de distancia».
Limita posibles fusiones mediante una red de vecinos o estructura espacial definida antes de ajustar el algoritmo.
111 / 132 · Jerárquico y dendrogramas
Comparación K-Means versus jerárquico
Definición y significado
Enfrenta una partición por centroides con una jerarquía de fusiones, cuyos objetivos y propiedades difieren.
Fundamento técnico · por qué funciona
K-Means requiere K e itera asignaciones; el aglomerativo construye fusiones que luego se cortan.
Caso de negocio o lectura de resultados
Un negocio puede comparar compactación de segmentos con interpretabilidad de un árbol de subgrupos.
Error frecuente y límite de aplicación
No exigir coincidencia absoluta entre métodos: discrepancias pueden diagnosticar geometrías o sensibilidades.
Conexión para profundizar
La relación con «Validación interna» ayuda a delimitar el alcance del término: Utiliza propiedades de los propios datos y grupos para valorar cohesión, separación y compactación sin etiquetas externas. Optimizar repetidamente sobre el mismo índice puede adaptar el procedimiento a sus sesgos geométricos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Validación interna».
Enfrenta una partición por centroides con una jerarquía de fusiones, cuyos objetivos y propiedades difieren.
112 / 132 · Jerárquico y dendrogramas
Densidad versus jerarquía
Definición y significado
Distingue agrupamientos definidos por regiones densas de los obtenidos mediante fusiones basadas en distancias entre conjuntos.
Fundamento técnico · por qué funciona
Métodos como DBSCAN identifican ruido y conectividad por densidad, mientras un dendrograma general organiza todas las observaciones.
Caso de negocio o lectura de resultados
Un conjunto en forma de anillo con ruido invita a comparar enfoques basados en densidad.
Error frecuente y límite de aplicación
El número de segmentos no es directamente comparable si un algoritmo deja observaciones sin asignar.
Conexión para profundizar
La relación con «K-Means y grupos no convexos» ayuda a delimitar el alcance del término: Explica la dificultad del modelo clásico para recuperar anillos, lunas o cadenas curvas. Un silhouette relativamente favorable no convierte la frontera obtenida en la estructura deseada.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «K-Means y grupos no convexos».
Distingue agrupamientos definidos por regiones densas de los obtenidos mediante fusiones basadas en distancias entre conjuntos.
113 / 132 · Validación y negocio
Validación interna
Definición y significado
Utiliza propiedades de los propios datos y grupos para valorar cohesión, separación y compactación sin etiquetas externas.
Fundamento técnico · por qué funciona
Índices como silhouette y Calinski-Harabasz dan señales diferentes y favorecen determinadas geometrías.
Caso de negocio o lectura de resultados
Una segmentación candidata se compara según más de un criterio antes de elegir el número de grupos.
Error frecuente y límite de aplicación
Optimizar repetidamente sobre el mismo índice puede adaptar el procedimiento a sus sesgos geométricos.
Conexión para profundizar
La relación con «Coeficiente silhouette» ayuda a delimitar el alcance del término: Compara la distancia media intracluster a de cada punto con la menor distancia media b a otro cluster, mediante (b−a)/max(a,b). Puede favorecer grupos convexos y no garantiza estabilidad ni utilidad comercial; exige al menos dos clusters y menos clusters que muestras.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Coeficiente silhouette».
Utiliza propiedades de los propios datos y grupos para valorar cohesión, separación y compactación sin etiquetas externas.
114 / 132 · Validación y negocio
Validación externa
Definición y significado
Compara una partición con etiquetas, referencia u otra organización independiente cuando existe una verdad o proxy razonable.
Fundamento técnico · por qué funciona
ARI y NMI permiten comparar asociaciones entre asignaciones sin depender del nombre numérico de los clusters.
Caso de negocio o lectura de resultados
Se contrasta una segmentación con perfiles definidos por expertos o resultados posteriores, aclarando su alcance.
Error frecuente y límite de aplicación
Una referencia comercial subjetiva no debe presentarse automáticamente como verdad objetiva.
Conexión para profundizar
La relación con «Validación interna» ayuda a delimitar el alcance del término: Utiliza propiedades de los propios datos y grupos para valorar cohesión, separación y compactación sin etiquetas externas. Optimizar repetidamente sobre el mismo índice puede adaptar el procedimiento a sus sesgos geométricos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Validación interna».
Compara una partición con etiquetas, referencia u otra organización independiente cuando existe una verdad o proxy razonable.
115 / 132 · Validación y negocio
Estabilidad del clustering
Definición y significado
Mide cuán parecidas resultan las particiones bajo cambios razonables de muestra, semilla, ruido o parámetros.
Fundamento técnico · por qué funciona
Puede estudiarse por remuestreo, consenso o métricas invariantes a permutaciones de etiquetas.
Caso de negocio o lectura de resultados
Se comprueba si los clientes conservan perfiles semejantes al repetir la segmentación en distintas muestras.
Error frecuente y límite de aplicación
Estabilidad alta no basta: un algoritmo puede ser estable al construir grupos sin utilidad de negocio.
Conexión para profundizar
La relación con «Datos sintéticos» ayuda a delimitar el alcance del término: Son observaciones construidas mediante reglas explícitas para representar escenarios controlados y estudiar algoritmos. Su claridad visual no garantiza que las conclusiones se trasladen a datos reales con selección y medición imperfectas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Datos sintéticos».
Mide cuán parecidas resultan las particiones bajo cambios razonables de muestra, semilla, ruido o parámetros.
116 / 132 · Validación y negocio
Bootstrap
Definición y significado
Es un procedimiento de remuestreo con reemplazo a partir de una muestra disponible.
Fundamento técnico · por qué funciona
Permite estimar incertidumbre o estabilidad mediante varias réplicas, cuidando unidades de dependencia.
Caso de negocio o lectura de resultados
En una base de clientes independientes se ajustan segmentaciones repetidas sobre muestras bootstrap.
Error frecuente y límite de aplicación
Si hay registros temporales correlacionados o clientes repetidos, un bootstrap ingenuo rompe la dependencia.
Conexión para profundizar
La relación con «Estabilidad del clustering» ayuda a delimitar el alcance del término: Mide cuán parecidas resultan las particiones bajo cambios razonables de muestra, semilla, ruido o parámetros. Estabilidad alta no basta: un algoritmo puede ser estable al construir grupos sin utilidad de negocio.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Estabilidad del clustering».
Es un procedimiento de remuestreo con reemplazo a partir de una muestra disponible.
117 / 132 · Validación y negocio
Adjusted Rand Index ARI
Definición y significado
Compara dos particiones mediante concordancia de pares ajustada por coincidencia esperada bajo un modelo aleatorio.
Fundamento técnico · por qué funciona
Es invariante al intercambio de nombres de clusters; uno indica concordancia perfecta y valores cercanos a cero pueden corresponder al azar.
Caso de negocio o lectura de resultados
Se compara la asignación de clientes entre dos semillas o dos meses sobre el subconjunto de entidades comunes.
Error frecuente y límite de aplicación
No debe aplicarse directamente si las particiones se refieren a unidades de análisis distintas.
Conexión para profundizar
La relación con «Etiquetas permutables» ayuda a delimitar el alcance del término: Los identificadores 0, 1 o 2 asignados a clusters son nombres arbitrarios sin orden intrínseco. Restar códigos de cluster o interpretar que el grupo 2 es superior al 1 carece de sentido.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Etiquetas permutables».
Compara dos particiones mediante concordancia de pares ajustada por coincidencia esperada bajo un modelo aleatorio.
118 / 132 · Validación y negocio
Normalized Mutual Information NMI
Definición y significado
Mide información compartida entre dos asignaciones de cluster, normalizada según una convención definida.
Fundamento técnico · por qué funciona
Permite evaluar concordancia de particiones sin alinear etiquetas, aunque distintas normalizaciones producen escalas ligeramente distintas.
Caso de negocio o lectura de resultados
Puede complementar ARI para evaluar la similitud de segmentaciones con diferentes K.
Error frecuente y límite de aplicación
No informa por sí mismo cuál partición tiene mayor valor económico.
Conexión para profundizar
La relación con «Adjusted Rand Index ARI» ayuda a delimitar el alcance del término: Compara dos particiones mediante concordancia de pares ajustada por coincidencia esperada bajo un modelo aleatorio. No debe aplicarse directamente si las particiones se refieren a unidades de análisis distintas.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Adjusted Rand Index ARI».
Mide información compartida entre dos asignaciones de cluster, normalizada según una convención definida.
119 / 132 · Validación y negocio
Consenso de particiones
Definición y significado
Resume la frecuencia con que pares de observaciones quedan juntos a través de diversas ejecuciones.
Fundamento técnico · por qué funciona
Una matriz de coasignación muestra regiones de estabilidad local y pares ambiguos.
Caso de negocio o lectura de resultados
En un segmento premium se comprueba si los mismos clientes permanecen agrupados en muchas corridas.
Error frecuente y límite de aplicación
La matriz puede ser costosa y depende del conjunto de perturbaciones elegido.
Conexión para profundizar
La relación con «Estabilidad del clustering» ayuda a delimitar el alcance del término: Mide cuán parecidas resultan las particiones bajo cambios razonables de muestra, semilla, ruido o parámetros. Estabilidad alta no basta: un algoritmo puede ser estable al construir grupos sin utilidad de negocio.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Estabilidad del clustering».
Resume la frecuencia con que pares de observaciones quedan juntos a través de diversas ejecuciones.
120 / 132 · Validación y negocio
Validación temporal
Definición y significado
Evalúa si perfiles y reglas de asignación permanecen interpretables al avanzar el tiempo.
Fundamento técnico · por qué funciona
Se compara distribución de variables, tamaños, centroides, asignaciones y resultados comerciales entre períodos.
Caso de negocio o lectura de resultados
Segmentos construidos con compras del primer semestre se revisan con nuevos clientes del segundo.
Error frecuente y límite de aplicación
Una base temporal mezclada aleatoriamente puede ocultar el deterioro por cambios de mercado.
Conexión para profundizar
La relación con «Filtración de información en PCA» ayuda a delimitar el alcance del término: Ocurre cuando la transformación aprende parámetros usando registros que deben reservarse para evaluación o datos futuros. Aunque PCA no use etiquetas, puede filtrar información y favorecer artificialmente la evaluación de un pipeline.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Filtración de información en PCA».
Evalúa si perfiles y reglas de asignación permanecen interpretables al avanzar el tiempo.
121 / 132 · Validación y negocio
Drift de datos
Definición y significado
Es un cambio en la distribución de las variables de entrada respecto del período usado para ajustar el sistema.
Fundamento técnico · por qué funciona
Puede desplazar distancias, cambiar tamaños de segmentos e invalidar interpretaciones sin cambiar el algoritmo.
Caso de negocio o lectura de resultados
La inflación nominal modifica gasto monetario y mueve los centros si no se actualiza la medición.
Error frecuente y límite de aplicación
No cualquier cambio exige reentrenar: hay que analizar magnitud, causa e impacto de decisiones.
Conexión para profundizar
La relación con «PCA incremental» ayuda a delimitar el alcance del término: Actualiza una aproximación de componentes principales por bloques de observaciones en lugar de requerir todos los datos simultáneamente. No evita por sí mismo el drift ni garantiza identidad exacta con la SVD completa.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «PCA incremental».
Es un cambio en la distribución de las variables de entrada respecto del período usado para ajustar el sistema.
122 / 132 · Validación y negocio
Drift de perfiles
Definición y significado
Es la modificación persistente de las características o comportamientos que definen segmentos observados.
Fundamento técnico · por qué funciona
Se analiza mediante centroides, cuantiles, distribución de pertenencias y resultados de acciones en el tiempo.
Caso de negocio o lectura de resultados
Un grupo de clientes antes muy frecuente reduce sus compras tras una modificación de precios.
Error frecuente y límite de aplicación
Confundir estacionalidad esperada con deterioro estructural puede inducir resegmentaciones innecesarias.
Conexión para profundizar
La relación con «Predicción de pertenencia futura» ayuda a delimitar el alcance del término: Consiste en asignar nuevas observaciones a un esquema de segmentos ya ajustado, aplicando exactamente las mismas transformaciones. Si cambia la distribución, los centroides pueden quedar obsoletos; debe monitorearse drift.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Predicción de pertenencia futura».
Es la modificación persistente de las características o comportamientos que definen segmentos observados.
123 / 132 · Validación y negocio
Accionabilidad comercial
Definición y significado
Es la capacidad de traducir un segmento estadístico en una acción concreta, diferenciada y evaluable.
Fundamento técnico · por qué funciona
Requiere perfil interpretable, canal de llegada, tamaño suficiente, oportunidad económica y responsables.
Caso de negocio o lectura de resultados
Un grupo sensible a descuentos admite una prueba de promociones con métricas de margen y retención.
Error frecuente y límite de aplicación
Un cluster perfectamente separado pero sin diferencia de tratamiento posible no crea automáticamente valor.
Conexión para profundizar
La relación con «K y número de grupos» ayuda a delimitar el alcance del término: K determina cuántos centroides y particiones impone K-Means y es una decisión de modelado no observada automáticamente. No asumir que existe un único K verdadero identificable mediante una curva.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «K y número de grupos».
Es la capacidad de traducir un segmento estadístico en una acción concreta, diferenciada y evaluable.
124 / 132 · Validación y negocio
Segmentación RFM
Definición y significado
Organiza comportamiento comercial mediante recencia, frecuencia y valor monetario de transacciones.
Fundamento técnico · por qué funciona
Puede utilizar reglas de puntuación o servir como conjunto de variables para análisis exploratorio y clustering.
Caso de negocio o lectura de resultados
Clientes recientes y frecuentes pueden recibir un programa distinto de aquellos inactivos y de alto gasto histórico.
Error frecuente y límite de aplicación
RFM no contiene por sí mismo rentabilidad neta, sensibilidad al precio ni causalidad.
Conexión para profundizar
La relación con «Observación y unidad de análisis» ayuda a delimitar el alcance del término: Una observación representa la entidad sobre la que se desea razonar: cliente, transacción, sucursal, producto o período. Confundir transacciones con personas genera perfiles inconsistentes y puede duplicar artificialmente algunas entidades.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Observación y unidad de análisis».
Organiza comportamiento comercial mediante recencia, frecuencia y valor monetario de transacciones.
125 / 132 · Validación y negocio
TAM SAM SOM y segmentación
Definición y significado
Distingue tamaño total del mercado, mercado direccionable y porción razonablemente capturable de acuerdo con capacidades.
Fundamento técnico · por qué funciona
Los clusters descriptivos pueden informar una estrategia, pero no reemplazan estimaciones de demanda ni accesibilidad comercial.
Caso de negocio o lectura de resultados
Un proveedor B2B describe perfiles de potenciales clientes y luego dimensiona cuáles puede captar.
Error frecuente y límite de aplicación
Convertir cantidad de puntos por cluster en ingresos futuros sin supuestos explícitos es inválido.
Conexión para profundizar
La relación con «Accionabilidad comercial» ayuda a delimitar el alcance del término: Es la capacidad de traducir un segmento estadístico en una acción concreta, diferenciada y evaluable. Un cluster perfectamente separado pero sin diferencia de tratamiento posible no crea automáticamente valor.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Accionabilidad comercial».
Distingue tamaño total del mercado, mercado direccionable y porción razonablemente capturable de acuerdo con capacidades.
126 / 132 · Validación y negocio
Sesgo de selección
Definición y significado
Ocurre cuando la muestra disponible representa de manera distorsionada la población sobre la que se pretende decidir.
Fundamento técnico · por qué funciona
El algoritmo aprende la distribución observada, incluidos patrones asociados a no respuesta, canal de captación o supervivencia.
Caso de negocio o lectura de resultados
Si solo se registra a compradores actuales, los segmentos no representan automáticamente prospectos de todo el mercado.
Error frecuente y límite de aplicación
Más observaciones no corrigen por sí mismas un mecanismo de selección sesgado.
Conexión para profundizar
La relación con «Variable o característica» ayuda a delimitar el alcance del término: Es una dimensión medible que describe una observación y puede intervenir en la distancia o en la proyección. Agregar variables por disponibilidad, sin hipótesis, puede diluir estructuras útiles y amplificar sesgos.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Variable o característica».
Ocurre cuando la muestra disponible representa de manera distorsionada la población sobre la que se pretende decidir.
127 / 132 · Validación y negocio
Sensibilidad y equidad
Definición y significado
Evalúa si decisiones basadas en segmentos crean impactos desiguales, injustificados o difíciles de explicar entre poblaciones.
Fundamento técnico · por qué funciona
Puede incluir auditoría de variables proxy, tasas de acceso a beneficios y controles de uso de datos.
Caso de negocio o lectura de resultados
Una política crediticia no debería convertir perfiles de comportamiento en discriminación arbitraria contra colectivos.
Error frecuente y límite de aplicación
Eliminar una columna sensible no basta si otras variables actúan como proxies altamente correlacionados.
Conexión para profundizar
La relación con «Gobernanza y reproducibilidad» ayuda a delimitar el alcance del término: Es el conjunto de registros, responsabilidades y controles que permite repetir una segmentación y auditar sus consecuencias. Un gráfico sin trazabilidad de versiones no constituye evidencia suficiente para decisiones persistentes.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Gobernanza y reproducibilidad».
Evalúa si decisiones basadas en segmentos crean impactos desiguales, injustificados o difíciles de explicar entre poblaciones.
128 / 132 · Validación y negocio
Segmento versus persona
Definición y significado
Un cluster es una agrupación estadística; una persona de marketing es una representación narrativa para orientar mensajes y servicios.
Fundamento técnico · por qué funciona
La persona sintetiza necesidades e hipótesis, mientras el cluster identifica proximidad bajo una representación cuantitativa.
Caso de negocio o lectura de resultados
Un cluster de alta frecuencia puede inspirar una persona de comprador habitual, validada con entrevistas.
Error frecuente y límite de aplicación
Una narrativa convincente no prueba que exista un grupo diferenciado en el dataset.
Conexión para profundizar
La relación con «Perfilado de clusters» ayuda a delimitar el alcance del término: Resume cada grupo mediante métricas relevantes, dispersión, tamaño, diferencias respecto del total y evidencia accionable. Un nombre atractivo no sustituye validación de estabilidad, alcanzabilidad o rentabilidad.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Perfilado de clusters».
Un cluster es una agrupación estadística; una persona de marketing es una representación narrativa para orientar mensajes y servicios.
129 / 132 · Validación y negocio
Prueba A/B posterior
Definición y significado
Es un experimento controlado que compara tratamientos para medir impacto causal bajo asignación aleatoria adecuada.
Fundamento técnico · por qué funciona
Permite comprobar si adaptar una oferta a segmentos mejora resultados frente a una alternativa de referencia.
Caso de negocio o lectura de resultados
Se asignan promociones distintas de modo controlado para evaluar margen incremental en cada perfil.
Error frecuente y límite de aplicación
Un cluster con alta conversión histórica no implica que cualquier intervención sobre él cause mejores ventas.
Conexión para profundizar
La relación con «Interpretación causal» ayuda a delimitar el alcance del término: Separa la descripción de asociaciones observadas de la afirmación de que una variable o acción provoca otra. Las decisiones de intervención requieren diseños experimentales o supuestos causales adicionales.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Interpretación causal».
Es un experimento controlado que compara tratamientos para medir impacto causal bajo asignación aleatoria adecuada.
130 / 132 · Validación y negocio
Métricas de negocio
Definición y significado
Son indicadores de resultados operativos o económicos que convierten una segmentación descriptiva en una decisión evaluable.
Fundamento técnico · por qué funciona
Pueden incluir contribución marginal, retención, costo de contacto, lifetime value y riesgo según objetivo.
Caso de negocio o lectura de resultados
La elección final de K considera si las acciones diferenciales generan beneficio incremental neto.
Error frecuente y límite de aplicación
Silhouette alta y mayor cantidad de segmentos no equivalen a rentabilidad.
Conexión para profundizar
La relación con «Similitud del coseno» ayuda a delimitar el alcance del término: Compara la orientación de dos vectores mediante el producto interno normalizado por sus longitudes. Si la magnitud total importa para decidir, usar solo orientación borra deliberadamente información económica relevante.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Similitud del coseno».
Son indicadores de resultados operativos o económicos que convierten una segmentación descriptiva en una decisión evaluable.
131 / 132 · Validación y negocio
Gobernanza y reproducibilidad
Definición y significado
Es el conjunto de registros, responsabilidades y controles que permite repetir una segmentación y auditar sus consecuencias.
Fundamento técnico · por qué funciona
Incluye versiones de datos, semillas, transformaciones, parámetros, fechas, supuestos, aprobaciones y monitoreo.
Caso de negocio o lectura de resultados
Un comité puede reconstruir por qué un cliente fue asignado a un perfil usado en una campaña.
Error frecuente y límite de aplicación
Un gráfico sin trazabilidad de versiones no constituye evidencia suficiente para decisiones persistentes.
Conexión para profundizar
La relación con «Sensibilidad y equidad» ayuda a delimitar el alcance del término: Evalúa si decisiones basadas en segmentos crean impactos desiguales, injustificados o difíciles de explicar entre poblaciones. Eliminar una columna sensible no basta si otras variables actúan como proxies altamente correlacionados.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Sensibilidad y equidad».
Es el conjunto de registros, responsabilidades y controles que permite repetir una segmentación y auditar sus consecuencias.
132 / 132 · Validación y negocio
Interpretación causal
Definición y significado
Separa la descripción de asociaciones observadas de la afirmación de que una variable o acción provoca otra.
Fundamento técnico · por qué funciona
Ni PCA ni clustering identifican efectos causales solo por operar sobre datos, aun si los grupos parecen separados.
Caso de negocio o lectura de resultados
Detectar clientes de alta facturación no prueba que pertenecer al cluster produzca mayor gasto.
Error frecuente y límite de aplicación
Las decisiones de intervención requieren diseños experimentales o supuestos causales adicionales.
Conexión para profundizar
La relación con «Coeficiente de correlación» ayuda a delimitar el alcance del término: Estandariza la covarianza por el producto de desviaciones estándar, produciendo un valor entre menos uno y uno. Una correlación cercana a cero no equivale a independencia, salvo bajo supuestos particulares.
Pregunta para repasar antes del examen
Para autoevaluarte, explicá qué cambia en el procedimiento si no se cumplen las condiciones descritas y distinguí el patrón observado de la decisión que tomarías. Como apoyo, contrastá el resultado con «Coeficiente de correlación».