Qual técnica de aprendizado não supervisionado que agrupa registros em k clusters por meio de centróides e minimização da distância euclidiana?

K-means.

Princípio: técnica de aprendizado não supervisionado que particiona dados em k clusters.
Passos: inicializa centróides, atribui cada ponto ao centróide mais próximo minimizando \( \min_j \|x_i-\mu_j\|^2 \), e atualiza cada centróide por \( \mu_j=\frac{1}{|C_j|}\sum_{x_i\in C_j}x_i \).
Observações: requer variáveis numéricas e normalização; escolha k via elbow ou silhouette e use k-means++ para reduzir sensibilidade à inicialização.