Clusters

Contexto

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

Más información: R for Data Science (2ed)

Paso 1. Instalar paquetes y llamar librerías

#install.packages("cluster")
library(cluster)

## Warning: package 'cluster' was built under R version 4.3.2

#install.packages("ggplot2")
library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.3.2

#install.packages("data.table")
library(data.table)

## Warning: package 'data.table' was built under R version 4.3.2

#install.packages("factoextra")
library(factoextra)

## Warning: package 'factoextra' was built under R version 4.3.2

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

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

#grupos <- 4 hipótesis
grupos <- 3 #optimización

Paso 4. Generar los segmentos o clusters (grupos)

segmentos <- kmeans(df,grupos)
segmentos

## K-means clustering with 3 clusters of sizes 2, 3, 3
## 
## Cluster means:
##          x        y
## 1 1.500000 3.500000
## 2 7.000000 4.333333
## 3 3.666667 9.000000
## 
## Clustering vector:
## [1] 3 1 2 3 2 2 1 3
## 
## Within cluster sum of squares by cluster:
## [1] 5.000000 2.666667 6.666667
##  (between_SS / total_SS =  85.8 %)
## 
## 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       3
## 2 2  5       1
## 3 8  4       2
## 4 5  8       3
## 5 7  5       2
## 6 6  4       2
## 7 1  2       1
## 8 4  9       3

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="Número de clusters k")

Conclusión

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