Clusters

#Instalar paquetes

library("cluster")
library("ggplot2")
library("data.table")
library("factoextra")

#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))

#Cantidad de grupos

grupos <- 3

#Generar segmentos

segmentos <- kmeans(df,grupos)
segmentos

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

#Asignar grupo

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

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

#Graficar cluster

fviz_cluster(segmentos, data=df)

#Optimizar

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

#Conclusion El clustering es un método que sirve para segmentar conjuntos de datos en base a una característica.