📚 Bibliografía: K-Means y Clustering
Estas referencias expanden la narrativa de la demostración K-Means Cluster Explorer al reunir material teórico, guías de implementación, heurísticas para elegir el número de clústeres y casos reales de analítica en salud.
Índice
- Fundamentos del algoritmo
- Guías prácticas y herramientas
- Cómo elegir el número de clústeres
- Aplicaciones en salud
1. Fundamentos del algoritmo
| Recurso | Tipo | Notas | Acceso |
|---|---|---|---|
| scikit-learn: Clustering | Guía técnica | Describe variantes de K-Means, inicialización de centroides y criterios de convergencia. | https://scikit-learn.org/stable/modules/clustering.html |
| Wikipedia: K-Means | Artículo enciclopédico | Cobertura histórica, formulación clásica y conexiones con Lloyd/Forgy. | https://es.wikipedia.org/wiki/K-means |
| Bishop, C. M. (2006). Pattern Recognition and Machine Learning | Libro | El capítulo 9 traza el vínculo con Expectation-Maximization. | https://www.microsoft.com/en-us/research/publication/pattern-recognition-machine-learning/ |
| Hastie, T., Tibshirani, R. y Friedman, J. (2009). The Elements of Statistical Learning | Libro | La sección 14.3 compara K-Means con métodos basados en modelos probabilísticos. | https://hastie.su.domains/ElemStatLearn/ |
2. Guías prácticas y herramientas
| Recurso | Enfoque | Idioma |
|---|---|---|
| Google ML Crash Course: Clustering | Ejercicios interactivos alineados con el flujo del capítulo. | 🇪🇸 Español |
| Stanford CS229: Unsupervised Learning | Derivaciones y pseudocódigo para implementar K-Means. | 🇬🇧 Inglés (en inglés) |
| Comparativa de algoritmos de clustering — scikit-learn | Notebook que contrasta K-Means con métodos jerárquicos y espectrales. | 🇬🇧 Inglés (en inglés) |
3. Cómo elegir el número de clústeres
| Recurso | Por qué importa | Acceso |
|---|---|---|
| scikit-learn: Selección del número de clústeres | Presenta el análisis de silueta, la heurística clave del demo. | https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html |
| Determinación del número de clústeres | Compendio del método del codo, gap statistic y criterios de información. | https://es.wikipedia.org/wiki/Determinaci%C3%B3n_del_n%C3%BAmero_de_grupos_en_un_conjunto_de_datos |
| Elbow Method for optimal value of k | Tutorial paso a paso para graficar la curva de inercia en Python. | https://www.geeksforgeeks.org/elbow-method-for-optimal-value-of-k-in-kmeans/ |
4. Aplicaciones en salud
| Recurso | Destacado | Idioma |
|---|---|---|
| NIH: Machine Learning in Cancer Research | Resume cómo el clustering apoya diagnóstico y planificación oncológica. | 🇬🇧 Inglés (en inglés) |
| Nature: Clustering for patient stratification | Caso de estratificación de pacientes mediante pipelines no supervisados. | 🇬🇧 Inglés (en inglés) |
| PubMed: K-means clustering in medical diagnosis | Revisión de literatura sobre soporte clínico basado en K-Means. | 🇬🇧 Inglés (en inglés) |
| OMS: Herramientas de análisis de datos en salud | Catálogo multilingüe de plataformas analíticas para salud pública. | 🌐 Multilingüe |
Nota: Todos los enlaces fueron verificados en abril de 2024. Para materiales con licencia, recurre a bibliotecas institucionales o repositorios de acceso abierto.