Tenías un problema de interpretación de datos, así que intentaste la agrupación. ¡Ahora tienes un problema de interpretación de agrupaciones! Había una sospecha de que podrían existir patrones en los datos. Razonablemente, la esperanza era que agregar algo de estructura a través del aprendizaje no supervisado brindaría algo de información. Las agrupaciones son la herramienta de referencia para encontrar estructura. Así que te embarcaste en tu viaje. Gastas una cantidad considerable de dinero en computación. Inviertes mucho sudor en jugar con los parámetros de ajuste de las agrupaciones. Solo para estar seguro, pruebas algunos algoritmos. Pero al final del día te quedas con gráficos de arco iris de datos agrupados que podrían tener algún significado, solo tal vez, si entrecierras los ojos lo suficiente. Te vas a casa con la inquietante sospecha de que todo fue en vano. Lamentablemente, este es el caso con demasiada frecuencia. Pero ¿por qué debería ser así?
El fracaso en la producción de valor en un proyecto de clusterización suele deberse a varias causas: comprensión deficiente de los datos, poca atención al resultado deseado y mala elección de herramientas. Analizaremos cada una de ellas por separado. Para motivar el debate, es esclarecedor entender las razones por las que existen las técnicas de clusterización. Para ello, repasaremos qué es la clusterización y algunos de los problemas que impulsaron el desarrollo de técnicas de clusterización.