K-medias
Sinónimos: K-means
Definición ampliada
K-medias, o K-means, es un algoritmo de agrupamiento que divide observaciones en un número k de grupos fijado de antemano. Alterna dos pasos: asigna cada observación al centroide más cercano y recalcula cada centroide como media de los miembros asignados. Busca reducir la suma de distancias cuadráticas dentro de los grupos [1].
No utiliza etiquetas de resultado. Por ello puede proponer una partición, pero no descubrir por sí solo diagnósticos, causas ni tratamientos.
Contexto histórico
El procedimiento de mínimos cuadrados de Lloyd se formuló en Bell Labs en 1957 y se publicó en 1982 [1]. Se convirtió en una referencia clásica de los métodos no supervisados por su sencillez computacional.
Importancia actual
A fecha de septiembre de 2026, sirve como punto de partida para explorar datos vectoriales y como referencia frente a métodos de agrupamiento más complejos. Su resultado ayuda a formular preguntas; la utilidad de los grupos exige contrastarlos fuera de los datos usados para generarlos.
Aplicaciones
Generales
- Resumir colecciones de observaciones mediante centroides.
- Comparar una partición simple con otros métodos de agrupamiento.
- Segmentar documentos representados en un mismo espacio vectorial.
Sanitarias
Puede explorar perfiles de pacientes a partir de variables clínicas o biomarcadores. Antes de interpretar cada grupo, hay que examinar qué variables lo separan, si el resultado se repite en otra cohorte y si refleja diferencias de centro o de registro. Un clúster no justifica por sí mismo un tratamiento.
Limitaciones
- Exige escoger k antes del análisis y devuelve grupos incluso si los datos no contienen una estructura útil.
- Es sensible a la escala de las variables, la distancia usada y los centroides iniciales; distintas inicializaciones pueden dar particiones distintas.
- Los centroides representan peor los grupos alargados, de densidad desigual o con valores extremos.
- Reducir la variación interna no demuestra relevancia clínica ni estabilidad externa.
Ejemplos
Ejemplo hipotético: un equipo agrupa pacientes con varias medidas metabólicas y obtiene cuatro perfiles. Al repetir el análisis con otra escala de glucosa, cambian las asignaciones. El resultado obliga a documentar el preprocesado antes de atribuir significado a los perfiles.