Este documento propone el marco de la Red de Kohonen de Máquina de Aprendizaje Extremo Bayesiano (BELMKN) para resolver el problema de agrupamiento. El marco BELMKN utiliza tres niveles en el procesamiento de conjuntos de datos no linealmente separables para obtener un agrupamiento eficiente en términos de precisión. En el primer nivel, el enfoque de aprendizaje de características basado en Máquina de Aprendizaje Extremo (ELM) captura la no linealidad en la distribución de datos al mapearla en un espacio dimensional. En el segundo nivel, los datos extraídos de características basados en ELM se utilizan como entrada para el Criterio de Información Bayesiano (BIC) para predecir el número de grupos denominado predicción de grupo. En el nivel final, los datos extraídos de características junto con la predicción de grupo se pasan a la Red de Kohonen para obtener una precisión de agrupamiento mejorada. La principal ventaja del método propuesto es superar el problema de tener identificadores a priori o etiquetas de clase para los datos; es difícil obtener etiquetas en la mayoría de los casos para los conjuntos de datos del mundo real. El marco BELMKN se aplica a 3 conjuntos de datos sintéticos y 10 conjuntos de datos de referencia del repositorio de aprendizaje automático de UCI y se compara con los métodos de agrupamiento de vanguardia. Los resultados experimentales muestran que el agrupamiento basado en BELMKN propuesto supera a otros algoritmos de agrupamiento para la mayoría de los conjuntos de datos. Por lo tanto, el marco BELMKN se puede utilizar para mejorar la precisión de agrupamiento de conjuntos de datos no linealmente separables.