Resumen

En esta lección, aprovechó los datos sin etiqueta entrenando modelos de agrupación en clústeres. Aunque el aprendizaje no supervisado da lugar a algunas diferencias clave en la forma de abordar el desarrollo de modelos, aún puede mejorar los modelos mediante el ajuste y la evaluación. Al igual que otras formas de aprendizaje automático, la agrupación en clústeres es una forma eficaz de extraer información de los datos y convertir esa información en resultados reales.

¿Qué tipo de datos con los que podría estar interesado en trabajar sería útil para la agrupación en clústeres?

Dados los conjuntos de datos que le interesan y los problemas de agrupación en clústeres que está intentando resolver, ¿qué métricas de evaluación cree que serían más útiles para determinar el número óptimo de clústeres?