user@devops:~$ cat README.md
K-Means — Segmentación de Clientes
# Descripción
Proyecto de segmentación de clientes con K-Means Clustering, introducción al aprendizaje NO supervisado. Simula 500 clientes de un centro comercial con 4 perfiles realistas (jóvenes, adultos profesionales, mayores, estudiantes). Aprende el algoritmo K-Means paso a paso, el método del codo y silhouette score para elegir K, la importancia crítica del escalado con StandardScaler, la interpretación de perfiles de cliente por cluster, y visualización con PCA. Incluye inferencia para clasificar nuevos clientes automáticamente.
# Características principales
$ Algoritmo K-Means: centroides, asignación, iteración hasta convergencia
$ Método del Codo (Elbow) para elección visual de K
$ Silhouette Score: métrica cuantitativa para evaluar la separación de clusters
$ Escalado con StandardScaler: crítico para K-Means
$ Interpretación de perfiles de cliente por cluster
$ Visualización 2D con PCA y mapa de clusters
$ Inferencia: clasificación automática de nuevos clientes
# Galería
# Tecnologías utilizadas
