Tipos de clusterización

- - - - - - - - - - - - - - - - - Particionamiento
Se suelen usar distancias estilo euclideana, Manhattan o Minkowski.
Se generan particiones (asignar etiquetas a un area) similares a "nubes"
Cada nube tiene un "centroide"

Se usan dos distancias:
Distancia Inte-cluster
Distancia Intra-cluster

Un algoritmo usado es el de k-means. Este requiere una función para sacar el promedio de un conjunto de observaciones y 
un límite de iteraciones. Es sensible a valores anómalos, sólamente detecta esferoides y es bastante costoso computacionalmente.

K-moda es igual, pero usael valor mas repetido como centroide en vez de el promedio.

K-medioides usa puntos existentes en el conjunto como centroides originales


- - - - - - - - - - - - - - - -- - - - - - - - - - - - - - - -  - - Jerarquía
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Densidad
radio
#participantes


alcanzable por densidad


DBSCAN 
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Plantillas