Clusters

Vinos

Contexto

Estos datos son el resultado de un análisis químico de vinos cultivados en la misma región de Italia, pero derivados de tres cultivares diferentes.

El análisis determinó las cantidades de 13 componentes que se encuentran en cada uno de los tres cultivares.

Librerias a usar

library("cluster") #Para agrupamientos
library("ggplot2") #Para graficar
library("factoextra") # Visualizar Clusters
library("data.table")# Para tabajar con conjutnos de datos grandes
library("tidyverse")
library("dplyr")

Cargar y comprensión de la base de datos

datos <- read.csv("wine_dataset.csv")
summary(datos)

##     alcohol        malic_acid         ash        alcalinity_of_ash
##  Min.   :11.03   Min.   :0.740   Min.   :1.360   Min.   :10.60    
##  1st Qu.:12.36   1st Qu.:1.603   1st Qu.:2.210   1st Qu.:17.20    
##  Median :13.05   Median :1.865   Median :2.360   Median :19.50    
##  Mean   :13.00   Mean   :2.336   Mean   :2.367   Mean   :19.49    
##  3rd Qu.:13.68   3rd Qu.:3.083   3rd Qu.:2.558   3rd Qu.:21.50    
##  Max.   :14.83   Max.   :5.800   Max.   :3.230   Max.   :30.00    
##    magnesium      total_phenols     flavanoids    nonflavanoid_phenols
##  Min.   : 70.00   Min.   :0.980   Min.   :0.340   Min.   :0.1300      
##  1st Qu.: 88.00   1st Qu.:1.742   1st Qu.:1.205   1st Qu.:0.2700      
##  Median : 98.00   Median :2.355   Median :2.135   Median :0.3400      
##  Mean   : 99.74   Mean   :2.295   Mean   :2.029   Mean   :0.3619      
##  3rd Qu.:107.00   3rd Qu.:2.800   3rd Qu.:2.875   3rd Qu.:0.4375      
##  Max.   :162.00   Max.   :3.880   Max.   :5.080   Max.   :0.6600      
##  proanthocyanins color_intensity       hue         od280.od315_of_diluted_wines
##  Min.   :0.410   Min.   : 1.280   Min.   :0.4800   Min.   :1.270               
##  1st Qu.:1.250   1st Qu.: 3.220   1st Qu.:0.7825   1st Qu.:1.938               
##  Median :1.555   Median : 4.690   Median :0.9650   Median :2.780               
##  Mean   :1.591   Mean   : 5.058   Mean   :0.9574   Mean   :2.612               
##  3rd Qu.:1.950   3rd Qu.: 6.200   3rd Qu.:1.1200   3rd Qu.:3.170               
##  Max.   :3.580   Max.   :13.000   Max.   :1.7100   Max.   :4.000               
##     proline           target      
##  Min.   : 278.0   Min.   :0.0000  
##  1st Qu.: 500.5   1st Qu.:0.0000  
##  Median : 673.5   Median :1.0000  
##  Mean   : 746.9   Mean   :0.9382  
##  3rd Qu.: 985.0   3rd Qu.:2.0000  
##  Max.   :1680.0   Max.   :2.0000

Escalar la base de datos

datos_escalados<- scale(subset(datos, select = -target))

Generar los segmentos

grupos <- 3 # Incio con cualquier valor , luego verifíco
segmentos <- kmeans(datos_escalados, grupos)

Asignar grupos a los datos

asignacion<- cbind(datos, cluster= segmentos$cluster)

**Graficar clusters*

fviz_cluster(segmentos, data=datos)

## Optomizar la cantiad de grupos

#LA cantidad óptima de grupos corresponde al puntos más alto de la gráfica
set.seed(123)
op<- clusGap(datos_escalados, FUN= kmeans, nstart=1, K.max =10)
plot(op, xlab= "Número de clusters k")

## Comparar segmentoss

promedio <- aggregate(asignacion, by=list(asignacion$cluster), FUN=mean)
promedio

##   Group.1  alcohol malic_acid      ash alcalinity_of_ash magnesium
## 1       1 13.13412   3.307255 2.417647          21.24118  98.66667
## 2       2 13.67677   1.997903 2.466290          17.46290 107.96774
## 3       3 12.25092   1.897385 2.231231          20.06308  92.73846
##   total_phenols flavanoids nonflavanoid_phenols proanthocyanins color_intensity
## 1      1.683922  0.8188235            0.4519608        1.145882        7.234706
## 2      2.847581  3.0032258            0.2920968        1.922097        5.453548
## 3      2.247692  2.0500000            0.3576923        1.624154        2.973077
##         hue od280.od315_of_diluted_wines   proline    target cluster
## 1 0.6919608                     1.696667  619.0588 1.9411765       1
## 2 1.0654839                     3.163387 1100.2258 0.0483871       2
## 3 1.0627077                     2.803385  510.1692 1.0000000       3

cuenta <- asignacion %>% count(cluster)
cuenta

##   cluster  n
## 1       1 51
## 2       2 62
## 3       3 65

Ejercicio México 2024

Librerias para análisis espacial

library(sf)
library(rnaturalearth)
library(rnaturalearthdata)
library(devtools)#Instalar paquetes de fuentes externa
devtools::install_github("ropensci/rnaturalearthhires")

mex<- read.csv("mexico2024.csv") 
summary(mex)

##     Estado            Población      PIB.per.cápita   Esperanza.de.vida
##  Length:32          Min.   : 0.700   Min.   : 44387   Min.   :73.50    
##  Class :character   1st Qu.: 1.875   1st Qu.: 84672   1st Qu.:74.50    
##  Mode  :character   Median : 3.050   Median :118147   Median :75.00    
##                     Mean   : 3.947   Mean   :133393   Mean   :75.00    
##                     3rd Qu.: 4.975   3rd Qu.:151772   3rd Qu.:75.53    
##                     Max.   :17.400   Max.   :481697   Max.   :76.50    
##  Tasa.de.pobreza Tasa.de.alfabetización
##  Min.   :13.30   Min.   :86.50         
##  1st Qu.:28.20   1st Qu.:94.42         
##  Median :35.25   Median :96.50         
##  Mean   :37.54   Mean   :95.61         
##  3rd Qu.:46.20   3rd Qu.:97.85         
##  Max.   :67.40   Max.   :99.00

Escalar la base de datos

mex1 <- mex %>% select(-Estado)  
datos_esc <- scale(mex1)  

Generar los segmentos

grupos <- 6 # Incio con cualquier valor , luego verifíco
seg <- kmeans(datos_esc, grupos)

Asignar grupos a los datos

asig<- cbind(mex, cluster= seg$cluster)

**Graficar clusters*

fviz_cluster(seg, data=mex1)

Optomizar la cantiad de grupos

#LA cantidad óptima de grupos corresponde al puntos más alto de la gráfica
set.seed(123)
op<- clusGap(datos_esc, FUN= kmeans, nstart=1, K.max =10)
plot(op, xlab= "Número de clusters k")

## **Cargar base de datos de México*

mexico <- ne_states(country = "Mexico", returnclass = "sf") 

asig<- asig %>% rename(name = Estado)

Mapa de cluster México

mexico_clusters <- left_join(mexico, asig, by = "name")

ggplot(mexico_clusters) +
  geom_sf(aes(fill = cluster), color = "blue") +  
  scale_fill_gradient(low = "lightblue", high = "darkblue") +  
  labs(title = "Clusters de Población por Estado en México") +
  theme_minimal()