Clusters

Análisis Vinos

Contexto

Estos datos son el resultados 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 3 componenetes que se encuentran en cada uno de los tres cultivares

Instalar paquetes y librerías

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

Subir datos y entenderlos

datos <- read.csv("C:\\Users\\Osval\\Music\\Tilinos\\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

Ajustes en base de datos

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

Generar los segmentos de los datos

grupos <- 4 #Inicio con X, se busca el optimo
segmentos <- kmeans(datos_escalados, grupos)
asignacion <- cbind(datos, cluster = segmentos$cluster)
fviz_cluster(segmentos, data=datos)

Optimizar la cantidad de grupos

set.seed(123)
optimizacion <- clusGap(datos_escalados, FUN=kmeans, nstar=1, K.max=10)
plot(optimizacion, xlab="Número de grupos")

## Generar Clusterización óptima

gruposO <- 3 #Inicio con X, se busca el optimo
segmentosO <- kmeans(datos_escalados, gruposO)
asignacionO <- cbind(datos, cluster = segmentosO$cluster)
fviz_cluster(segmentosO, data=datos)

## Análisis óptimo

promedio <- aggregate(asignacionO, by=list(asignacionO$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

table(asignacionO$cluster)

## 
##  1  2  3 
## 51 62 65

Ejercicio México

Contexto

Estos datos son los más recientes de los Estados de México.

Instalar paquetes y librerías

library(sf)
library(rnaturalearth)
library(rnaturalearthdata)
library(devtools)
devtools::install_github("ropensci/rnaturalearthhires") #mapa de mexico

Subir datos y entenderlos

datosMex <- read.csv("C:\\Users\\Osval\\Music\\Tilinos\\mexico2024.csv")
summary(datosMex)

##     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

colnames(datosMex)[colnames(datosMex) == "Estado"] <- "name"

datos_escaladosMex = scale(subset(datosMex, select= -name))
gruposMex <- 3 #Inicio con X, se busca el optimo
segmentosMex <- kmeans(datos_escaladosMex, gruposMex)
asignacionMex <- cbind(datosMex, cluster = segmentosMex$cluster)
fviz_cluster(segmentosMex, data=scale(subset(datosMex, select= -name)))

set.seed(123)
optimizacionMex <- clusGap(datos_escaladosMex, FUN=kmeans, nstar=1, K.max=10)
plot(optimizacionMex, xlab="Número de grupos")

mexico <- ne_states(country="Mexico", returnclass = "sf")
mexico_cluster <- left_join(mexico, asignacionMex, by="name")
mexico_cluster$cluster <- as.factor(mexico_cluster$cluster)
ggplot(mexico_cluster)+
  geom_sf(aes(fill= cluster), color="black") +
  scale_fill_manual(values= c("green","yellow","red"))

  labs(title = "Clusters de Población por Estado de México") + 
  theme_minimal ()

## NULL