Hasta ahora los modelos aprendían de ejemplos etiquetados: sabíamos la respuesta correcta y el modelo intentaba imitarla. El aprendizaje no supervisado juega otro juego: encontrar estructura en datos sin etiquetas, dejando que los propios datos revelen sus patrones.
Aprender sin profesor
Piensa en un niño que separa sus juguetes en montones —los autos con los autos, los peluches con los peluches— sin que nadie le haya dicho las categorías. Eso es aprendizaje no supervisado: no hay una "respuesta correcta" que copiar, solo datos y la tarea de descubrir por cuenta propia los grupos, las direcciones o la estructura escondida. Esta serie explora sus dos herramientas clásicas: agrupar lo parecido y resumir lo complejo.
¿Qué es aprender sin etiquetas?
En el aprendizaje supervisado (clasificación, regresión) cada ejemplo viene con su respuesta. En el no supervisado, solo tenemos las variables de entrada. El modelo debe organizar los datos por sí mismo, respondiendo preguntas como:
- ¿Qué ejemplos se parecen entre sí y forman grupos naturales?
- ¿Qué variables son redundantes y podrían resumirse en menos?
Es la forma más común de datos en el mundo real, donde etiquetar a mano es caro o imposible.
Las dos tareas de esta serie
- Agrupamiento con k-means — reúne los datos en grupos (clusters) según su parecido. Útil para segmentar clientes, agrupar documentos o detectar patrones.
- PCA — reduce muchas variables a unas pocas que conservan lo esencial. Sirve para visualizar, comprimir y quitar ruido.
Una busca grupos entre las filas; la otra busca direcciones entre las columnas. Juntas son las dos herramientas base de la exploración de datos.
Para llevar
El aprendizaje no supervisado descubre estructura en datos sin etiquetas. En esta serie veremos sus dos tareas clásicas: k-means, que agrupa ejemplos parecidos, y PCA, que resume muchas variables en pocas. Son la puerta de entrada para explorar y entender un conjunto de datos antes de modelarlo.