Clusters

POSITCLOUD

Contexto

La segmentación o clusters es un conjunto de técnicas cuyo propósito es formar grupos a partir de un conjunto de elementos.

Mas información: R for Data Science (2e)

Paso 1. Instalar paquetes y llamar librerías.

#install.packages("cluster")
library(cluster)
#install.packages("ggplot2")
library(ggplot2)
#install.packages("data.table")
library(data.table)
#install.packages("factoextra")
library(factoextra)

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

library(broom)

Paso 2.Obtener los datos.

df <- data.frame(x=c(2,2,8,5,7,6,1,4), y=c(10,5,4,8,5,4,2,9))

Paso 3. Cantidad de grupos (Los que quieras).

grupos <- 3

#Paso 4. Generar los segmentos (Grupitos).

segmentos <- kmeans(df, grupos)
segmentos

## K-means clustering with 3 clusters of sizes 2, 1, 5
## 
## Cluster means:
##     x    y
## 1 4.5  8.5
## 2 2.0 10.0
## 3 4.8  4.0
## 
## Clustering vector:
## [1] 2 3 3 1 3 3 3 1
## 
## Within cluster sum of squares by cluster:
## [1]  1.0  0.0 44.8
##  (between_SS / total_SS =  54.5 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

Paso 5. Asignar el grupo al que pertenece cada observación.

asignacion <- cbind(df, cluster = segmentos$cluster)
asignacion

##   x  y cluster
## 1 2 10       2
## 2 2  5       3
## 3 8  4       3
## 4 5  8       1
## 5 7  5       3
## 6 6  4       3
## 7 1  2       3
## 8 4  9       1

Paso 6. Graficar los clusters

fviz_cluster(segmentos, data=df)

Paso 7. Optimizar la cantidad de grupos.

La cantidad óptima de grupos corresponde al punto más alto de la siguiente gráfica.

set.seed(123)
optimizacion <- clusGap(df, FUN=kmeans, nstart= 1, K.max = 7)
plot(optimizacion, xlab="Numero de clusters k")

Conclusión.

La segmentación de clusters es un algoritmo útil para las empresas que desean clasificar sus clientes y dirigir campañas de marketing más enfocadas y especializadas