Contexto

La segmentación o clusters es un conjunto de técnicas cuyo proposito es formar grupos apartir 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))

Paso 3. Conociendo nuestros datos

str(df)
## 'data.frame':    8 obs. of  2 variables:
##  $ x: num  2 2 8 5 7 6 1 4
##  $ y: num  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 4. Cantidad de grupos

grupos <- 3 #Numero de grupos random

Paso 5. Generar los segmentos

segmentos <- kmeans(df,grupos)
segmentos
## K-means clustering with 3 clusters of sizes 3, 3, 2
## 
## Cluster means:
##          x        y
## 1 3.666667 9.000000
## 2 7.000000 4.333333
## 3 1.500000 3.500000
## 
## Clustering vector:
## [1] 1 3 2 1 2 2 3 1
## 
## Within cluster sum of squares by cluster:
## [1] 6.666667 2.666667 5.000000
##  (between_SS / total_SS =  85.8 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

Paso 6. Asignar el grupo al que pertenece cada observación

asignacion <- cbind(df, cluster = segmentos$cluster)
asignacion
##   x  y cluster
## 1 2 10       1
## 2 2  5       3
## 3 8  4       2
## 4 5  8       1
## 5 7  5       2
## 6 6  4       2
## 7 1  2       3
## 8 4  9       1

Paso 7. Graficar los clusters

fviz_cluster(segmentos, data=df)

Paso 8. Optimizar el 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')

La parte de arriba es para ver cual es el círculo más alto

Conclusión

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

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