Resumen

Muchos problemas en el an´álisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vac´íos que sean bien separados entre ellos y lo m´ás homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto a una clase sin que exista ambigüedades. Este trabajo consta de dos partes principales; primero se presentan
diferentes métodos y heurísticas para encontrar la cantidad de clases en que se debe particionar un conjunto de manera óptima; posteriormente se propone una novedosa heurísticas y se realizan algunas comparaciones para observar sus ventajas considerando conjuntos muy conocidos y utilizados que est´an previamente clasificados presentándose al final algunos resultados y conclusiones.

Palabras clave: Particionamiento ´óptimo, clasificación, heurísticas