Explicación detallada
El modelo busca agrupamientos (clustering), reducciones de dimensión (PCA), patrones o anomalías. Muy útil en la exploración de datos, segmentación de clientes, detección de fraude o preentrenamiento.
Ejemplos
Segmentación de clientes en grupos
Detección de anomalías en la red
Reducción de dimensionalidad para visualización
Preguntas frecuentes
¿Siempre ofrece resultados fiables?
Las estructuras descubiertas deben siempre ser interpretadas y validadas por el negocio.
Términos relacionados
Machine Learning
Rama de la IA en la que los modelos aprenden patrones a partir de datos en lugar de seguir reglas explícitas.
Aprendizaje supervisado
Aprendizaje a partir de ejemplos etiquetados (entrada → salida esperada).
Embedding
Representación vectorial de un texto, una imagen o un objeto, que captura su significado en un espacio numérico.
Aprendizaje por refuerzo
Método de aprendizaje en el que un agente aprende a actuar mediante ensayo y error maximizando una recompensa.
Última actualización: 15/7/2026