CLUSTERING EN MACHINE LEARNING CON PHP

En machine learning, elclustering es una técnica de aprendizaje no supervisado que consiste en agrupar un conjunto de datos en subgrupos o "clusters" basados en su similitud, sin usar etiquetas previas. El objetivo es que los datos dentro de un mismo cluster sean más similares entre sí que con los de otros clusters. Ejemplo de clustering en Machine Learning con php, el diguiente ejemplo es el algoritmo de K-Means:

use Rubix\ML\Datasets\Unlabeled;
use Rubix\ML\Clusterers\KMeans;
use Rubix\ML\Transformers\StandardScaler;

require 'vendor/autoload.php';

// Datos de ejemplo (coordenadas 2D)
$samples = [
    [1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]
];

// Crear dataset sin etiquetas
$dataset = new Unlabeled($samples);

// Escalar datos
$transformer = new StandardScaler();
$dataset->apply($transformer);

// Entrenar el modelo K-Means (3 clústeres)
$clusterer = new KMeans(3);
$clusterer->train($dataset);

// Predecir clústeres para los datos
$predictions = $clusterer->predict($dataset);

print_r($predictions); // Muestra los clústeres asignados (e.g., [0, 0, 0, 1, 1, 1])

Un ejemplo de uso sería una tienda que quiere segmentar a sus clientes según sus hábitos de compra. El clustering puede identificar grupos como "compradores frecuentes de ropa" o "compradores ocasionales de electrónicos" basándose en patrones en los datos de compras, sin necesidad de etiquetas previas.