Algoritmos de Clustering

Presentación breve de los principales algoritmos de clustering. Nos centraremos en estos a lo largo del curso:

Bibliotecas de Python para Clustering

Al trabajar con clustering en Python, se utilizan frecuentemente las siguientes bibliotecas:

• Scikit-learn: biblioteca integral de aprendizaje automático. Scikit-learn ofrece implementaciones de numerosos algoritmos de clustering, incluidos K-means, Clustering Jerárquico, DBSCAN y GMMs, además de herramientas para preprocesamiento de datos, métricas de evaluación y más;
• SciPy: biblioteca para computación científica y técnica. SciPy incluye funciones para clustering jerárquico, cálculos de distancia y otras utilidades útiles en tareas de clustering.

Existen también varias bibliotecas auxiliares que resultan útiles, como NumPy (para operaciones numéricas), Pandas (para carga y preprocesamiento de datos), Matplotlib y Seaborn (para visualización de datos y resultados de clustering). Aunque estas no son bibliotecas de clustering propiamente dichas, apoyan el flujo de trabajo general.