Aprendizaje No Supervisado — Clustering
Mean‑Shift + Agglomerative: dos algoritmos que no buscan centros
Uno persigue montañas de densidad. El otro construye árboles genealógicos de tus datos. Y ninguno te pregunta cuántos grupos quieres.
Hasta ahora hemos recorrido tres formas de agrupar datos, y cada una tenía su propia obsesión. K‑means buscaba centros, puntos de referencia alrededor de los cuales ordenarlo todo. DBSCAN buscaba densidad, zonas donde los datos se apretujaban. Y la combinación de K‑means + Elbow + Silhouette buscaba equilibrio, la forma de acertar con el número de grupos sin jugárnosla a ciegas.
Hoy toca conocer a dos algoritmos que piensan distinto, tan distinto que casi parecen filósofos:
- Mean‑Shift, que persigue densidades como si fueran montañas y cada punto fuera un excursionista subiendo hacia la cima.
- Agglomerative, que construye clusters como quien arma un árbol genealógico, emparejando primos, luego familias, luego clanes enteros.
Son dos enfoques que amplían tu intuición sobre cómo un modelo puede descubrir estructura sin que nadie le haya puesto etiquetas.
El ejemplo que nos acompaña
Seguimos con la misma tienda online de los capítulos anteriores. Tienes miles de clientes y, de cada uno, conoces dos cosas: cuánto gasta al mes y cuántas veces compra.
Pero esta vez lo que nos interesa no es solo separar los grupos, sino entender el relieve de tus clientes. Porque si dibujas a todos tus compradores en un mapa, no verás una nube plana y uniforme: verás zonas abarrotadas y zonas casi vacías, como una cordillera vista desde el aire. Hay una montaña enorme de compradores fieles, una colina de compradores esporádicos, un pico apartado de clientes premium… y algún que otro cliente perdido en mitad del valle.
Mean‑Shift y Agglomerative van a leer ese mapa de dos maneras completamente distintas. Vamos con el primero.
Mean‑Shift — el algoritmo que sube montañas
Imagina ese mapa de tus clientes lleno de montañas y valles. Cada punto de tus datos está en algún lugar del terreno. Y Mean‑Shift hace algo muy curioso: busca las cimas.
No busca centros predefinidos como K‑means. No mide densidad con radios fijos como DBSCAN. No necesita que le digas cuántos grupos hay. Mean‑Shift busca picos de densidad, y para encontrarlos convierte cada punto en un excursionista que sube, paso a paso, la montaña más cercana.
La intuición: “subir” hasta el punto más denso
El proceso es sorprendentemente humano. Cada punto mira a su alrededor dentro de un radio (el famoso bandwidth) y calcula hacia dónde hay más vecinos, es decir, dónde el terreno «sube». Luego se mueve hacia allí. Y vuelve a mirar. Y vuelve a moverse. Otra vez. Y otra. Hasta que llega a un lugar desde donde ya no puede subir más en ninguna dirección.
Ese punto final es un modo de densidad, una cima. Y aquí viene lo bonito: todos los excursionistas que terminan escalando la misma cima forman un cluster. No hace falta decidir nada de antemano: el número de grupos es, sencillamente, el número de cimas que aparecen.
El parámetro clave: el bandwidth
Todo el comportamiento de Mean‑Shift depende de un solo número, el bandwidth, que responde a la pregunta «¿hasta dónde mira cada excursionista antes de decidir hacia dónde subir?». Y el equilibrio lo cambia todo:
- si el bandwidth es muy pequeño → cada excursionista solo ve lo que tiene pegado a los pies, así que aparecen muchísimas cimas diminutas y acabas con demasiados clusters,
- si el bandwidth es muy grande → todos ven la misma gran montaña a lo lejos y suben hacia ella, con lo que todo se funde en un único cluster gigante.
Acertar con el bandwidth es prácticamente todo el trabajo con Mean‑Shift, igual que acertar conepslo era en DBSCAN.
En nuestra tienda
Si tus clientes forman varias «montañas» de comportamiento (los compradores fieles apretados en una zona, los esporádicos en otra, los cazadores de rebajas en otra y algún cliente premium aislado en su propio pico), Mean‑Shift las detecta sin que tú le digas cuántas hay. Simplemente suelta a los excursionistas y observa en cuántas cimas distintas acaban.
Agglomerative — el algoritmo que construye árboles
Si Mean‑Shift es un excursionista, Agglomerative es un genealogista. No busca densidad, ni centros, ni picos. Lo que Agglomerative construye son jerarquías.
La intuición: empezar por lo pequeño e ir uniendo
El método es de una sencillez casi terca. Empieza tratando a cada cliente como su propio cluster, un grupo de una sola persona. Luego busca los dos clusters más parecidos entre sí y los une. Y repite. Y repite. Y repite. Los dos más cercanos, unidos. Otra vez los dos más cercanos, unidos.
Poco a poco, los grupos pequeños se van fusionando en grupos medianos, los medianos en grandes, y los grandes en uno solo, hasta que absolutamente todos tus clientes quedan unidos en un único gran árbol. A ese árbol se le llama dendrograma.
Y aquí está la gracia: tú decides a qué altura cortar el árbol. Cortas arriba y te quedan pocos grupos muy grandes; cortas abajo y te quedan muchos grupos pequeños y detallados. La distancia de corte es tu único parámetro de verdad.
Por qué esto es tan útil
Porque no te da una única respuesta, te da todas a la vez. En un solo gráfico puedes ver la segmentación con pocos clusters, con muchos, con grupos grandes, con grupos pequeños y con todos los niveles intermedios. Es como tener un zoom infinito sobre la estructura de tus datos: acercas o alejas hasta encontrar el nivel de detalle que te interesa.
En nuestra tienda
Agglomerative te enseñaría la historia paso a paso: primero se unen los clientes casi idénticos (dos que gastan lo mismo y compran lo mismo), luego esos parejas forman pequeños barrios, luego los barrios forman zonas, y al final todo confluye en un solo árbol. Tú miras el dendrograma y eliges: «aquí, en este punto, tengo cuatro segmentos que tienen sentido para mi negocio».
Mean‑Shift vs Agglomerative: dos filosofías
Verlas una al lado de la otra deja clarísimo lo distinto que piensa cada una:
| Concepto | Mean‑Shift | Agglomerative |
|---|---|---|
| ¿Hay que decirle cuántos grupos? | No, los descubre él solo | No, tú eliges dónde cortar el árbol |
| ¿Qué busca? | Picos de densidad (cimas) | Jerarquías (un árbol de similitud) |
| ¿Cómo agrupa? | Cada punto «sube» hacia la zona más densa | Une los dos clusters más parecidos, una y otra vez |
| ¿Detecta formas raras? | Sí | Sí |
| ¿Detecta outliers? | A veces | No de forma directa |
| Parámetro clave | Bandwidth (radio de visión) | Distancia de corte del dendrograma |
| Regalo que te deja | Los grupos naturales | Un mapa completo de todas las segmentaciones posibles |
Ventajas y desventajas
Como siempre en machine learning, ninguno es magia. Cada uno brilla en su terreno y se hunde fuera de él.
Mean‑Shift
| ✅ Ventajas | ❌ Desventajas |
|---|---|
| No necesitas elegir el número de grupos | Elegir el bandwidth es difícil y va a base de prueba y error |
| Detecta formas complejas | Escala mal con muchísimos datos |
| Muy intuitivo si piensas en densidad | Puede crear demasiados clusters si el bandwidth es pequeño |
| Encuentra los «picos» naturales del terreno | Un solo bandwidth no vale si unas zonas son muy densas y otras muy dispersas |
Agglomerative
| ✅ Ventajas | ❌ Desventajas |
|---|---|
| No necesitas elegir el número de grupos de antemano | Costoso en datasets grandes |
| El dendrograma es enormemente informativo | No detecta ruido por sí mismo |
| Funciona bien con clusters de formas raras | Elegir el punto de corte puede ser subjetivo |
| Te deja explorar la segmentación a distintos niveles | Una vez que une dos grupos, no puede deshacer la decisión |
¿Cuándo usar cada uno?
Para que no te líes, aquí tienes el resumen visual de a qué algoritmo acudir según lo que tengas entre manos:
En resumen, Mean‑Shift es tu aliado cuando tus datos tienen «montañas» de densidad claras, no sabes cuántos grupos hay, quieres detectar formas complejas y el coste computacional no es un problema. Y Agglomerative es tu aliado cuando quieres entender la estructura jerárquica de tus datos, necesitas un dendrograma, quieres explorar distintos niveles de segmentación y tu dataset no es descomunal.
En resumen
- Mean‑Shift agrupa haciendo que cada punto «escale» hacia la zona más densa; cada cima es un cluster y el número de grupos sale solo.
- Depende de un único parámetro, el bandwidth, y acertar con él es casi todo el trabajo.
- Agglomerative empieza con cada punto como su propio grupo y va uniendo los más parecidos hasta formar un dendrograma, un árbol que tú cortas a la altura que quieras.
- Su gran regalo es que no te da una respuesta, te da todas: puedes ver la segmentación a cualquier nivel de detalle.
Y la imagen para recordarlos: si K‑means era como ordenar un trastero metiendo cosas en cajas, y DBSCAN como recorrer una ciudad descubriendo sus barrios, entonces Mean‑Shift es como escalar montañas buscando cada cima, y Agglomerative es como construir un árbol genealógico emparejando parientes hasta llegar a la familia entera. Cada uno revela una cara distinta de tus datos. Y juntos te dan una visión completa del mundo del clustering.