
Dividir datos en grupos alrededor de centros hallados de forma iterativa.El agrupamiento por k-medias es un algoritmo de aprendizaje no supervisado que divide un conjunto de datos en un número predefinido de grupos, cada uno representado por su centroide (la media de sus puntos). El objetivo es minimizar la varianza dentro de cada grupo, haciendo que los puntos del mismo grupo sean lo más similares posible mientras se mantienen distintos los diferentes grupos. Es uno de los métodos de agrupamiento más simples y más utilizados, y a menudo sirve como referencia para enfoques más complejos.
El término 'k-medias' fue utilizado por primera vez por James MacQueen en 1967, aunque la idea central se remonta a Hugo Steinhaus en 1956 y al algoritmo de Lloyd (1957) para la modulación por impulsos codificados.
El algoritmo comienza inicializando aleatoriamente k centroides. Luego itera dos pasos: (1) asignar cada punto de datos al centroide más cercano, y (2) recalcular cada centroide como la media de todos los puntos asignados a él. Estos pasos se repiten hasta que los centroides dejan de cambiar significativamente. El resultado depende de la colocación inicial, por lo que es común ejecutar el algoritmo varias veces con diferentes semillas y elegir el mejor resultado. El número de grupos k debe elegirse de antemano, a menudo usando el método del codo o el análisis de silueta.
Las k-medias se utilizan para la segmentación de clientes en marketing, la compresión de imágenes reduciendo las paletas de colores y la detección de anomalías identificando puntos lejanos de cualquier centroide.
Las k-medias son tan eficientes que pueden agrupar millones de puntos en segundos, pero asumen que los grupos son esféricos y de tamaño similar, lo cual rara vez es cierto en datos reales.












