4.6 Análisis de Clusters

1. Librerias

library(dplyr)
library (ggplot2)
library(factoextra)
library (cluster)
library (data.table)

2. Crear base de datos con la base limpia

df<- read.csv("/Users/sarahyzayas/Library/Mobile Documents/com~apple~CloudDocs/1. TEC /7 sem/M4_Raul /Act 4.6/df_clusters")

muestra <- df[sample(nrow(df), nrow(df) * 0.3), ]

3. Limpieza extra de base de datos para poder correr un cluster

df <- select(df, Total_Incurred_Cost_Claim, tiempo_de_procesamiento_days)
df <- as.data.frame(scale(df))
df <- na.omit(df)

4. Determinar el número de grupos

grupos_sin_OPTIM <- 4 
grupos_OPTIM <- 3

5. Realizar la clasificación

segmentos1 <- kmeans(df,grupos_sin_OPTIM)
segmentos2 <- kmeans(df,grupos_OPTIM)

6. Revisar la asignación de grupos

asignación <- cbind(df,cluster=segmentos1$cluster)
asignación <- cbind(df,cluster=segmentos2$cluster)

7. Graficar resultados

fviz_cluster(segmentos1,data=df, main = "CLUSTERS ANTES DE LA OPTIMIZACION")

8. Optimizar cantidad de grupos

#set.seed (123)
#optimización <- clusGap(muestra,FUN=kmeans, nstart=1, K.max=10)
#plot(optimización, xlab="Número de clusters")

NOTAS:
- De acuerdo a la función clusGap, la cantidad de grupos para este análisis es 3, por lo que, en el sigueinte paso se muestra el gráfico con 3 grupos.
- Debido a limitaciones de capacidad del hadware, no se logró imprimir el gráfico con el tamaño original de la base de datos, por lo que se optó por extraer una muestra del 30% de los datos de la base original que fue lo máximo con lo que se pudo alimentar este gráfico.
- El gráfico se presenta en captura de pantalla para evitar problemas al usurio al moemnto de querer correr el código, sin embargo, dicho código se presenta completo y correcto a manera de comentario en el chunk.

9. Clusters optimizados

fviz_cluster(segmentos2,data=df, main = "CLUSTERS DESPUES DE LA OPTIMIZACION")

NOTAS:
- Después de obtener el número óptimo de grupos o clusters con la función clusGap, obtuvimos que la cantidad adecuada de grupos para estos datos es 3, tal como se muestra en la grafica “CLUSTERS DESPUES DE LA OPTIMIZACION”.
- Se realizéo el análisis con 3 y 4 grupos para ver que tanto variaban los resultados a manera de comprativa.