Informe - Aprendizaje no supervisado
Anny Guerrero
Daniela Gutierrez
Isabella Gutiérrez
laura Tatiana Torres
2024-04-26
Introducción
En el respectivo informe presenta un análisis de indicadores extraídos del portal “SER Pacífico”, una plataforma que ofrece información estadística útil y actualizada sobre la región del Pacífico colombiano. La región comprende 178 municipios en los departamentos del Valle del Cauca, Chocó, Cauca y Nariño. Los datos del portal se organizan en cuatro dimensiones del desarrollo: económica, sociocultural, ambiental e institucional. Estas dimensiones son fundamentales para la planificación, ejecución y evaluación de estrategias municipales, contribuyendo al fortalecimiento del desarrollo local, la competitividad territorial y la identidad regional.
Para analizar estos datos, se emplearon técnicas de aprendizaje no supervisado, en particular el análisis de componentes principales (ACP) y algoritmos de agrupación en clústeres. Estas técnicas permiten descubrir relaciones entre variables y agrupar observaciones de forma natural en función de sus similitudes.
Descripción de variables
Para este análisis, se seleccionaron 16 variables del departamento del Valle del Cauca, cada una se nombró según sus iniciales. A continuación, se definirá cada variable: 1. Valor agregado municipal (VAM): El valor agregado municipal (VAM) es un indicador económico que mide la contribución de cada municipio al Producto Interno Bruto (PIB) departamental. Su análisis permite comprender las dinámicas económicas de los municipios y tomar decisiones informadas para promover su crecimiento y desarrollo.
Peso relativo municipal (PRM): Es un indicador económico que mide la participación de un municipio en la economía de su departamento.
Valor agregado per cápita (VAC): Es un indicador económico que mide el valor promedio de los bienes y servicios producidos por persona en una región o país determinado durante un período específico, generalmente un año.
Grado de importancia económica (GIE): Es un indicador que mide la contribución relativa de cada municipio a la actividad económica general de su departamento.
Sobreutilización del suelo rural (SUR): La sobreutilización del suelo rural es un término utilizado para describir el uso excesivo o insostenible del suelo en zonas rurales.
De uso en áreas pantanosas (AP): Es el porcentaje de utilización de los suelos rurales en zonas húmedas o inundables para actividades agrícolas, ganaderas, pesqueras o de otros índoles.
De obras civiles y urbanas (OCU): Se refiere a la utilización de la tierra en zonas rurales para la construcción de infraestructura, viviendas y otras estructuras urbanas.
Uso adecuado del suelo rural (UASR): Es el uso de los suelos rurales de manera sostenible y responsable, considerando tanto las necesidades económicas y sociales de las comunidades locales como la protección del medio ambiente.
Gastos totales (GT): Es la suma de todos los recursos financieros que el Estado destina durante un ejercicio fiscal determinado.
Ingresos totales (IT): Es la suma de todos los recursos financieros que recibe el Estado durante un ejercicio fiscal determinado, con el propósito de financiar el gasto público y cumplir con sus objetivos económicos y sociales.
Transferencias pagadas (TP): Se refiere a la transferencia de fondos que realiza el gobierno a individuos (para pagos de nómina) y otras entidades (como instituciones públicas, organizaciones sin fines de lucro o empresas privadas).
Capacidad administrativa (CA): Este componente mide la capacidad de las entidades para gestionar sus recursos, cumplir con sus obligaciones y prestar los servicios públicos a su carga de manera eficiente y eficaz.
Tasa de vacunación Hepatitis B (THB): Es el porcentaje de una población que ha sido vacunada contra el virus de la hepatitis B.
Tasa de vacunación Polio (TVP): Es el porcentaje de una población que ha sido vacunada contra el virus del polio.
Tasa de vacunación Triple viral (TTV): Es el porcentaje de una población que ha sido vacunada contra el virus de la triple viral.
Tasa de vacunación HIB (THIB): Es el porcentaje de una población que ha sido vacunada contra el virus del HIB.
VAM
El valor agregado municipal es un indicador económico que refleja el valor generado por todas las empresas dentro de los límites de un municipio durante un período específico. Este indicador ofrece una visión del nivel de actividad económica y la contribución al producto interno de una zona geográfica determinada. Al observar el gráfico, se identifica un dato atípico que corresponde al municipio de Cali, con un aporte de 26,362.63 miles de millones de pesos corrientes.
PRM
El peso relativo municipal es una medida económica que muestra la contribución proporcional de un municipio al total del valor agregado generado en una región durante un período específico. Al evaluar este indicador, se destaca un dato atípico de 46.83%, correspondiente al municipio de Cali. Esta cifra representa una anomalía significativa en comparación con el peso relativo de otros municipios en la región.
VAC
El valor agregado per cápita es una medida económica que muestra el valor promedio generado por cada individuo dentro de un municipio durante un período específico. Este indicador proporciona información sobre el nivel de prosperidad económica de la población en esa área geográfica. Sin embargo, al analizar los datos, se identifica un dato atípico de 43,528,473.1 millones de pesos, representado por el municipio de Yumbo, lo cual constituye un porcentaje notablemente alto en relación con el promedio per cápita de la región.
SUR
AP
gg6 <- ggplot(munvalle1, aes(x = "", y = munvalle1[,6])) +
geom_boxplot() +
labs(title = names(munvalle1)[6])
ggplotly(gg6)OCU
UASR
GT
IT
TP
CA
THB
TVP
TTV
THIB
Metodología
El siguiente informe empleó un enfoque de investigación basado en el aprendizaje no supervisado, específicamente dos técnicas: Análisis de Componentes Principales (ACP) y agrupamiento por conglomerados.
El aprendizaje no supervisado es una técnica de Machine Learning. A diferencia del aprendizaje supervisado, donde los datos están etiquetados, en el aprendizaje no supervisado el algoritmo debe identificar patrones y estructuras ocultas en datos sin etiquetas. El algoritmo agrupa los datos en función de sus similitudes, permitiendo un análisis posterior de las agrupaciones resultantes. Esto lo hace mediante diferentes técnicas como lo son las agrupaciones en clústeres, que será el ocupado en este documento.
Clusterización Agrupa los individuos en función de sus similitudes, creando grupos (clusters) que comparten características comunes.Para hacer un cluster se buscan particiones en las que las observaciones sean similares entre sí. En este informe se utilizará por factores que son agrupamiento de variables
Por otro lado se tiene la reducción de dimensionalidad, está disminuye el número de dimensiones en un conjunto de datos, conservando la información más importante y eliminando la redundancia.
Matriz de correlación
La matriz de correlación
proporcionada muestra las relaciones entre 16 variables relevantes para
el desarrollo económico y social de los municipios.
Resultados
A continuación los resultados obtenidos a través de las respuestas de los algoritmos con nuestro análisis. Los algoritmos no tienen una salida definida al ser técnicas de aprendizaje no supervisado por lo cual, influye mucho el análisis hecho en las respuestas del algoritmo.
ACP
A continuación presentamos la información proporcionada por el algoritmo.
Eigenvalue
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 6.412990e+00 4.008119e+01 40.08119
## Dim.2 3.842140e+00 2.401338e+01 64.09456
## Dim.3 1.726561e+00 1.079101e+01 74.88557
## Dim.4 1.468980e+00 9.181122e+00 84.06669
## Dim.5 1.013816e+00 6.336348e+00 90.40304
## Dim.6 5.966264e-01 3.728915e+00 94.13195
## Dim.7 4.341838e-01 2.713649e+00 96.84560
## Dim.8 2.265105e-01 1.415691e+00 98.26129
## Dim.9 1.774341e-01 1.108963e+00 99.37026
## Dim.10 6.401795e-02 4.001122e-01 99.77037
## Dim.11 2.614503e-02 1.634065e-01 99.93378
## Dim.12 7.896613e-03 4.935383e-02 99.98313
## Dim.13 2.306215e-03 1.441384e-02 99.99754
## Dim.14 2.929948e-04 1.831217e-03 99.99937
## Dim.15 1.000914e-04 6.255714e-04 100.00000
## Dim.16 3.673384e-20 2.295865e-19 100.00000Como se observa el modelo nos sugirió elegir dos dimensiones,la primera dimensión su valor propio se refiere a cuanto el vector se va a estirar dentro de sí mismo en su propio eje sin rotar o inclinarse, en este caso teniendo el valor propio positivo se estiraría un 6.61 y para la segunda dimensión un 3.84.
Su porcentaje de varianza acumulada, el cual se refiere al porcentaje de la información contenida en los datos originales se puede conservar al reducir la dimensionalidad a un número menor de componentes. En este caso a dos, la primera dimensión tiene es 40.08 %, es decir que los primeros componentes de esta dimensión explican un 40.08% y asimismo junto a la segunda dimensión son alrededor de un 24% de varianza acumulada, sumando así un 64.09%. No se escogieron las dimensiones posteriores debido a que no aportan un gran valor adicional.
Diagrama por individuos
Como se mencionó anteriormente se escogieron dos dimensiones. Dentro de la imagen se presenta un dato atípico, es decir un dato que difiere significativamente del resto de datos en este caso con datos mucho más altos debido a que Cali es la capital del valle de cauca. Presenta los valores más altos en la mayoría de variables, por ende, Cali está notablemente representada en la primera dimensión debido a su considerable distancia desde el centro y su marcado color rojo.
Como se observa en la escala que se encuentra en la parte derecha de la imagen entre más rojo se encuentre mayor calidad de representación , y entre más azul se va a ver peor representado.
De la misma manera se puede apreciar que los demás municipios del valle del cauca se encuentran al otro lado representados en su mayoría por la segunda dimensión, la cual más adelante veremos qué variables la conforman y que nos puede indicar que estos individuos estén en esta ubicación.
Diagrama por individuos sin Cali
En la imagen en la cual no se está teniendo en cuenta la capital lo que se hace con el fin de analizar el comportamiento de los demás municipios sin Cali, puesto que esta es la que representa gran parte de la dimensión 1 que hace referencia a las variables económicas por lo tanto se deseó observar de qué manera iba a reaccionar el modelo obviando a cal.
Ahora los municipios que tomarán más fuerza en la economía municipal serán Buenaventura y Palmira. Esto se debe a que por la parte de Buenaventura posee un puerto por el cual refleja un aporte a la economía del valle del cauca con el comercio exterior, la generación de empleo, el desarrollo regional, la recaudación de impuestos y su posicionamiento estratégico. Mientras que Palmira toma el lugar del segundo municipio más importante del valle del cauca, contribuye significativamente al desarrollo. Su aporte se refleja en el sector agropecuario, industrial, comercio y servicios.
Adicionalmente se aprecia que ahora las variables económicas no están tan horizontales como estaban anteriormente, ahora se encuentran un poco inclinadas debido a que Buenaventura y Palmira también están representadas en la dimensión 2, como se vio en la primera imagen sin embargo se encuentran más presentes en el sector económico, pero no dejan de hacer parte de la dimensión dos, como se puede estudiar en la primera gráfica de sectores. Por otro lado se puede notar como se hubieron algunos cambios en municipios respecto a la segunda dimensión, ahora Obando, que era un municipio bien representado por la dimensión 2 debido a la ubicación y su color rojo, ahora se encuentra en la parte superior, y de la misma manera sevilla ahora está en la parte inferior. Más adelante se profundizará si se sigue teniendo el mismo sentido o cambio, pero se puede evidenciar que siguen siendo municipios contrarios.
Diagrama de sectores
En el siguiente gráfico, denominado Diagrama de Sectores, exploramos los datos más representativos de las dos dimensiones seleccionadas.
En la parte derecha de este se pueden observar diversas variables como los gastos totales, los ingresos totales, las transferencias pagadas, el valor agregado municipal y el peso relativo municipal. Todas estas variables están estrechamente vinculadas con aspectos económicos, lo que permite denominar la dimensión 1 como “economía municipal”. Se destacan especialmente en la primera dimensión, tanto por su marcado color rojo como por su posición alejada del centro.
También se visualiza una variable llamada GIE, que hace referencia al grado de importancia económica. Como se aprecia en la escala, esta es de color amarillo lo cual no es el ideal sin embargo sigue estando representada dentro de la dimension 1, no obstante podemos observar que es contraria a todas las variables del lado derecho, teniendo en cuenta que cali es el que representa todas estas variables economicas, con valores bastante altos podemos deducir que algunos municipios que representan a estas variable son contrarios a cali, alguno de estos son onabdno, trujillo y caicedonia. De esta manera le podemos dar un sentido negativo, siendo estos municipios con valores menores, en comparacion con la capital. (verificar)
Por otra parte en el sector inferior del gráfico podemos observar que las variables Tasa de vacunación Polio, Tasa de vacunación HIB, Tasa de vacunación Hepatitis B son aquellas que mejor representan la dimensión 2, este conjunto de variables representativas y su enfoque en las vacunaciones dirigidas a la población infantil lo que permite denominar la dimensión 2 como “Tasas de Vacunación”.Estas variables están siendo representadas por los individuos como caicedonia,trujillo, obando y argelia, Lo que indica que estos municipios tiene la tasa de vacunación más alta que la media( revisar los datos)
Diagrama de sectores sin el municipio de Cali
Como se puede apreciar al obviar la capital, las variables que antes estaban representadas por la dimensión dos; es decir la tasas de vacunación como se nombro anteriormente ahora están en la parte superior, sin embargo ahora están en el lado izquierdo del eje, esto debido a que como se observa en el gráfico de individuos sin cali, Obando, El Cairo y Argelia también están siendo representadas por la dimensión uno y que se encuentran ubicados al lado izquierdo, significa que se representan en menor medida la economía municipal, que fue como se nombró a la dimensión 1, a comparación de los municipios que toman fuerza como lo son Buenaventura y Palmira.
Por otra parte cabe aclarar que la tasa de vacunación sigue teniendo el mismo sentido mencionado anteriormente, solo que el eje se giró, ahora las que estaban en la parte inferior serán las que estén encima. No obstante, Obando, El cairo y Argelia siguen teniendo la mayor tasa de vacunación, mientras que Sevilla, Candelaria siendo las que menor aporte tendrían.
De la misma manera, las variables representadas por la dimensión 1, ahora serán Buenaventura y Palmira. como se mencionó anteriormente las razones principales es porque son las ciudades mas grandes despues de cali, por lo tanto serán los valores mas altos, dentro del sector económico.
Dendograma
Un dendrograma es una representación
gráfica de datos jerárquicos que ilustra cómo los elementos se agrupan
entre sí. En este caso específico, se definieron cuatro clusters o
grupos, los cuales pueden formarse debido a que los municipios comparten
características comunes o están relacionados de alguna manera.
Como podemos observar, Cali conforma un grupo completo en el dendrograma. Esto se debe a que, como se ha comentado anteriormente, debido a su alta densidad demográfica y como capital del departamento, Cali supera en población a los demás municipios en múltiples ocasiones. Estas características hacen que sea difícil realizar comparaciones sin tener en cuenta esta dispersión de datos, dado que tiende a liderar en la mayoría de las variables.
clusters
En el gráfico se evidencian los 4
clusters, los cuales son los grupos conformados por ciertos elementos
que dependiendo las características que compartan y de qué forma están
relacionados, se agruparán, así mismo se lograrán ubicar en cada sección
del mapa, dejando en claro con qué dimensión se relacionan más, y que
tanto aporte puede llegar a tener este grupo para cada dimensión.
Para este gráfico se establecieron dos dimensiones para cada eje, para el eje x se estableció la dimensión “economía municipal”, y para el eje y, la dimensión “tasas de vacunación”, ya con esta información clara, se puede proceder analizar cada cluster y que representa para la gráfica.
El cluster 1 y 3 son los que se encuentran más cercanos a la dimensión 2 y al tiempo son los que que más alejados están del centro del eje, por lo tanto son los grupos que más aportan para esta dimensión, pero cómo se pueden observar, ambos se encuentran en lados contrarios, por lo tanto se pueden concluir que un cluster es el lado positivo de la dimensión y el otro el lado negativo, es decir, en este caso, la dimensión habla acerca de las tasas de vacunación, por lo tanto un cluster abarcaría los municipios que tienen menores tasas de vacunación y el otro las mayores tasas de vacunación, sabiendo ya esto se puede tomar de referencia la gráfica 1 para obtener la información de cuáles son los municipios que más aportan para la dimensión 2, como en este caso serían Obando y El Cairo, mediante esto, en la base de datos se analiza cuál es el tipo de aporte que tienen para las distintas tasas de vacunación, es así como se concluye, que los que hicieron menor aporte para las tasas de vacunación fueron Candelaria y Sevilla, los cuales hacen parte de la sección superior del mapa, misma sección donde se encuentra el cluster 3, haciendo referencia a que este cluster es el que representa la menor tasa de vacunación, por lo tanto se puede terminar concluyendo que que el cluster 1 representa la mayor tasa de vacunación.
El cluster 2 se encuentra en el centro del eje y, lo que significa que aunque los elementos del cluster pertenezcan a dimensión 2, su aporte no es significativo para esta.
Por último en el cluster número 4, se puede evidenciar que este cuenta con un solo elemento, el cual se se ubica en la parte extrema izquierda de la dimensión 1 (dimensión económica), por lo tanto se puede concluir que este es un elemento atípico el cual lleva la mayor o casi toda la contribución de la dimensión económica. Para poder entender más esta anomalía, se procede a verificar con la gráfica 1 que municipio es y se observa que es el municipio de Cali, la capital del Valle del Cauca.
Conclusiones
Se puede concluir que con respecto a la parte económica el municipio de Cali es el que más contribuye a la economía del Valle del Cauca, teniendo en cuenta que es la capital de este departamento la cual la convierte en el centro de toma de decisiones políticas y económicas, también es donde se concentran varias industrias de sectores del comercio, manufactura, servicios, entre otros, además es un gran centro de atención para el turismo, es así como fácilmente se puede evidenciar que al tener un gran potencial económico esta ciudad influye tanto en el Valle.
En cuanto a la tasa de vacunación, se observa que los municipios que más contribuyeron a la tasa de vacunación fueron El Cairo y Obando, a diferencia de Candelaria y Sevilla, que presentaron las tasas más bajas. Las causas de esta disparidad son diversas e incluyen factores como la accesibilidad a centros de salud, el enfoque gubernamental, el nivel de conciencia y educación, la ubicación geográfica y los factores socioeconómicos, que fueron más favorables en El Cairo y Obando.
En base a lo anterior, se concluye que es fundamental que el gobierno garantice un acceso equitativo a los servicios de vacunación para todas las personas, independientemente de su ubicación socioeconómica o geográfica. También es necesario fortalecer los programas de educación y comunicación para aumentar la conciencia sobre la importancia de la vacunación y disipar mitos o dudas que puedan existir en la población.