
Una técnica de análisis de datos que agrupa elementos similares según características definidas.La agrupación (clustering) es una técnica de análisis de datos que se utiliza para agrupar un conjunto de objetos de manera que los objetos del mismo grupo (llamado conglomerado) sean más similares entre sí que con los de otros grupos. Es una forma de aprendizaje no supervisado, lo que significa que encuentra patrones ocultos en los datos sin etiquetas previas. La agrupación se usa ampliamente para explorar datos, identificar agrupaciones naturales y reducir la complejidad resumiendo grandes conjuntos de datos en conglomerados representativos.
El concepto de agrupación se remonta a la década de 1930 en antropología y psicología, pero el primer algoritmo formal, k-medias, fue introducido por Stuart Lloyd en 1957 (aunque se publicó más tarde). Los métodos de agrupación jerárquica se desarrollaron en la década de 1960.
Los algoritmos de agrupación funcionan definiendo una medida de similitud (por ejemplo, distancia euclidiana, correlación) entre los puntos de datos y luego asignando iterativamente puntos a los conglomerados para optimizar algún criterio, como minimizar la varianza dentro del conglomerado (como en k-medias) o maximizar la densidad de puntos (como en DBSCAN). La elección del algoritmo y de la medida de similitud depende del tipo de datos y de la forma deseada del conglomerado. Una vez formados los conglomerados, se pueden visualizar, analizar o utilizar como características para modelos posteriores.
La agrupación se utiliza en astronomía para clasificar galaxias, en biología para agrupar genes con patrones de expresión similares, en marketing para segmentar clientes y en análisis de imágenes para comprimir o segmentar imágenes.
En astronomía, los algoritmos de agrupación ayudaron a descubrir que las galaxias no se distribuyen al azar, sino que forman una vasta red cósmica de filamentos y vacíos, revelando la estructura a gran escala del universo.

















