K-means asigna cada observación a un centro cercano y después actualiza los centros para reducir las distancias al cuadrado dentro de los grupos. Eliges el número de clústeres antes de ajustar. El método no usa una etiqueta de resultado, y los números de los clústeres son nombres, no una clasificación. El clúster 2 no es mejor por naturaleza que el clúster 0.
Escala las variables cuando sus unidades, si no, dominarían el cálculo de distancias. Estos registros ficticios de clientes contienen número de visitas e importes de cesta con grupos separados a propósito. Las tareas piden experimentos con y sin escalado para que sigas un contrato de preparación explícito. Un random_state y varias inicializaciones hacen que el ajuste sea repetible. Lo que importa es la partición, no una numeración concreta, y una matriz de etiquetas por cliente debe conservar el orden original de las filas.
La partición agrupa comportamientos de clientes parecidos. La concordancia del índice de Rand ajustado comprueba el agrupamiento sin exigir ninguna numeración concreta de los clústeres.