# Aprendizaje No Supervisado
Semestre 01, 2026




## Aprendizaje Automático


El aprendizaje automático permite que los sistemas aprendan patrones a partir de datos.


Dependiendo de la información disponible, existen distintos tipos de aprendizaje.




## Tipos de Aprendizaje


Según la presencia de una variable objetivo:


* Aprendizaje supervisado
* **Aprendizaje no supervisado**
* Aprendizaje semi-supervisado




## Aprendizaje No Supervisado


En el aprendizaje no supervisado no existen etiquetas.


Los datos contienen únicamente:

* Variables de entrada


El objetivo es descubrir estructura oculta en los datos.


### Etiquetas


No existe una variable respuesta.


No hay una columna que indique la respuesta correcta.


### Variables de entrada


Los datos contienen únicamente:


* Edad
* Ingresos
* Gasto mensual


Estas variables describen a cada observación.


### Ejemplo


Ejemplo de datos de clientes:


Edad | Ingresos | Gasto
---- | ---- | ----
23 | 4500 | 1200
45 | 12000 | 3500
31 | 8000 | 2100


No existe una columna llamada “tipo de cliente”.



## Objetivo


Responder preguntas como:


* ¿Existen grupos naturales en los datos?
* ¿Qué observaciones son similares?
* ¿Hay patrones que no son evidentes a simple vista?




## Características Clave


* No predice una variable objetivo
* Es exploratorio
* Ayuda a entender la estructura del conjunto de datos
* Se usa frecuentemente antes del modelado supervisado




## Relación con el EDA


El aprendizaje no supervisado está fuertemente relacionado con el EDA.


Ambos buscan:

* Entender los datos
* Detectar patrones
* Identificar comportamientos similares


Muchas veces se usan de forma complementaria.