Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 75 vistas

    Metodos No Jerarquicos PDF

    Cargado por

    camila andrea infante burgos
    Este resumen describe los pasos principales del algoritmo K-means para agrupar datos en clusters no jerárquicos. 1) Los datos se escalan y normalizan. 2) Se aplica el algoritmo K-means para dividir los datos en 4 grupos inicialmente seleccionados. 3) Se explora la inercia entre grupos para diferentes números de clusters con el objetivo de determinar el número óptimo de clusters.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Metodos No Jerarquicos PDF

    Cargado por

    camila andrea infante burgos
    75 vistas3 páginas
    Este resumen describe los pasos principales del algoritmo K-means para agrupar datos en clusters no jerárquicos. 1) Los datos se escalan y normalizan. 2) Se aplica el algoritmo K-means para dividir los datos en 4 grupos inicialmente seleccionados. 3) Se explora la inercia entre grupos para diferentes números de clusters con el objetivo de determinar el número óptimo de clusters.

    Título original

    METODOS NO JERARQUICOS.pdf

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este resumen describe los pasos principales del algoritmo K-means para agrupar datos en clusters no jerárquicos. 1) Los datos se escalan y normalizan. 2) Se aplica el algoritmo K-means para dividir los datos en 4 grupos inicialmente seleccionados. 3) Se explora la inercia entre grupos para diferentes números de clusters con el objetivo de determinar el número óptimo de clusters.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    75 vistas3 páginas

    Metodos No Jerarquicos PDF

    Cargado por

    camila andrea infante burgos
    Este resumen describe los pasos principales del algoritmo K-means para agrupar datos en clusters no jerárquicos. 1) Los datos se escalan y normalizan. 2) Se aplica el algoritmo K-means para dividir los datos en 4 grupos inicialmente seleccionados. 3) Se explora la inercia entre grupos para diferentes números de clusters con el objetivo de determinar el número óptimo de clusters.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 3

    METODOS NO JERARQUICOS

    ALGORITMO K-MEANS

    Preparamos el set de datos

    Lo primero que se hace es escalar o normalizar los datos,para que ninguna variable tenga mas peso que otras

    library(readxl)
    datos <- read_excel("datos.xlsx")

    insurance.scale <- as.data.frame(scale(datos[,5:9])) # escalar los datos

    Creamos los clusters

    1. Se debe fijar la semilla, ya que permite reproducir este mismo ejercicio, obteniendo siempre el mismo
    resultado;si no se realiza este proceso, nos daria un resultado diferente ya que k-means tiene un componente
    aleatorio, que al iniciarlo selecciona aleatoriamente las primeras observaciones, una para cada una de los clusters
    que se hayan elegido

    2. Luego se aplica k-means al juego de datos una vez escalados y le indicamos que queremos 4 clusters

    se puede acceder a informacion como la asignacion de las observaciones a los clusters o a las distintas inercias

    set.seed(80) # fijar semilla

    insurance.km <- kmeans(insurance.scale, centers = 4) # Realizamos clustering

    names(insurance.km) # contenido del objeto

    ## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"


    ## [6] "betweenss" "size" "iter" "ifault"

    head(insurance.km$cluster) # asignación observaciones a clusters

    ## [1] 1 1 2 2 1 2

    insurance.km$totss # inercia total

    ## [1] 90035

    insurance.km$betweenss # inercia ínter grupos

    ## [1] 37343.34

    insurance.km$withinss # inercia intra grupos


    ## [1] 13923.212 18128.295 11557.281 9082.873

    insurance.km$tot.withinss # inercia intra grupos (total)

    ## [1] 52691.66

    Determinar un número de clusters óptimo

    No se puede determinar a primera medida un numero de clusters optimo, ya que depende de lo que se este
    buscando, pero si hay una medida en la que nos podemos apoyar, la INERCIA INTERGRUPOS, para ello se
    puede hacer una exploracion de los distintyos valores de esta inercia probando con un cluster, con dos, con tres y
    asi sucesivamente hasta el numero que consideremos

    sumbt<-kmeans(insurance.scale, centers = 1)$betweenss


    for(i in 2:10) sumbt[i] <- kmeans(insurance.scale, centers = i)$betweenss
    plot(1:10, sumbt, type = "b", xlab = "número de clusters", ylab = "suma de cuadrados ínter grupo
    s")

    Inspeccionando los resultados

    Se va a presentar graficamente las dos variables iniciales antes de escalar como son la antiguedad en la
    compañia y la antiguedad del permiso de conducir y le vamos a decir que pinte las observaciones en funcion del
    cluster al que han sido asignadas Se introduce una etiqueta para las X “fidelidad de la persona a la compañia”
    y una etiqueta para las Y “experiencia” de esta persona como conductor
    plot(datos$ant_comp,datos$ant_perm, col=insurance.km$cluster ,xlab = "Fidelidad a la compañía",
    ylab = "Experiencia" )

    aggregate(datos[,5:9] ,by = list(insurance.km$cluster), mean)

    ## Group.1 siniestros ant_comp ant_perm edad ant_veh


    ## 1 1 0.07860090 5.107880 6.929652 26.18137 6.378267
    ## 2 2 0.12324723 3.351476 21.577491 49.34668 3.238561
    ## 3 3 0.05050768 13.761260 24.135381 47.18068 8.844832
    ## 4 4 0.03608529 4.038546 21.062603 47.30508 13.349645

    Analisis

    Cluster 2: Tienen el indice de siniestralidad mas alto corresponde a personas con una media de 49 años Tienen
    la antiguedad del vehiculo en 3.2 años usan los vehiculos mas nuevos con las personas mayores de la muestra
    de datos

    También podría gustarte