Segmentación (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)
#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

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) )
summary(df)

##        x               y         
##  Min.   :1.000   Min.   : 2.000  
##  1st Qu.:2.000   1st Qu.: 4.000  
##  Median :4.500   Median : 5.000  
##  Mean   :4.375   Mean   : 5.875  
##  3rd Qu.:6.250   3rd Qu.: 8.250  
##  Max.   :8.000   Max.   :10.000

Paso 3. Cantidad de grupos

grupos <- 3 

Paso 4. Generar los segmentos

segmentos<- kmeans(df, grupos)
segmentos

## K-means clustering with 3 clusters of sizes 3, 3, 2
## 
## Cluster means:
##          x        y
## 1 7.000000 4.333333
## 2 3.666667 9.000000
## 3 1.500000 3.500000
## 
## Clustering vector:
## [1] 2 3 1 2 1 1 3 2
## 
## Within cluster sum of squares by cluster:
## [1] 2.666667 6.666667 5.000000
##  (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) 

Paso 6. Graficar los clusters

fviz_cluster(segmentos, data=df)

Paso 7. Optimizar la cantidad de grupos

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

Conclusión

La segmentación o clusters es un algoritmo útil para las empresas que desean clasificar sus clientes y dirigir campañas de marketing más enfocadas y especializadas; en este caso, el número de clusters es 3.