k-Means

Crea una nube mediante clics, carga un ejemplo reproducible o pega coordenadas. k-Means agrupa los puntos alrededor de k centros. Ejecutar alterna asignación y actualización; Paso realiza una sola fase. Pausa/Continuar conserva los centros. Restablecer mantiene los puntos y borra los grupos. Cambiar k o la semilla reinicia el modelo.

Inicialización k-means++ con semilla fija. Asignación al centro más cercano por distancia euclídea al cuadrado; en caso de empate, al primero. Actualización mediante media aritmética; los grupos vacíos conservan su centro. Ambas fases forman una iteración completa. Termina cuando la asignación no cambia tras actualizar o tras 200 iteraciones. Solución local: prueba otras semillas. SSE suma las distancias al cuadrado a los centros asignados y no debe aumentar en ninguna fase.

Colores y marcadores numerados de los centros corresponden a la tabla. Reasignados cuenta los cambios de la última asignación; la primera cuenta todos los puntos. Marco fijo 700 × 460: X hacia la derecha, Y hacia abajo, ejes a igual escala. Dos números finitos por línea, separados por espacios, coma o punto y coma, con punto decimal. Se ignoran líneas vacías y comentarios #; otras líneas no válidas rechazan la importación y conservan los puntos anteriores. Límites: X 0–700, Y 0–460, 2000 puntos, 1 MiB. El ejemplo se limita al marco editable.

Puntos a texto conserva las coordenadas numéricas; el CSV exporta la asignación actual con grupos desde 1, incluso en fases intermedias. Ejemplo: (100,100), (100,120), (300,100), (300,120), k=2 da (100,110)/(300,110) y SSE=400. Superficie educativa sin elección automática de k, estandarización ni garantía de óptimo global. Clustering Lab ofrece otros métodos y selección de columnas CSV.

Solo se conservan los valores introducidos en este navegador. No se guardan los resultados calculados ni los historiales.