Teoría

Agrupamiento o Clustering es una técnica de aprendizaje automático no supervidaso que agrupa datos en función de su similitud.

Algunos usos típicos de esta técnica son:

Segmentación de clientes
Detección de anormalidades
Categorización de documentos

Instalar paquetes y llamar librerías

#install.packages("cluster") # Análisis de agrupamiento
library(cluster)
#install.packages("ggplot2") # Graficar
library(ggplot2)
#install.packages("data.table") # Manejo de muchos datos
library(data.table)
#install.packages("factoextra") # Gráfica de optimización de número de clústers
library(factoextra)
#install.packages("datasets")
library(datasets)
#install.packages("tidyverse")
library(tidyverse)

Ejercicio 1. Puntos

Contexto

Agrupa los siguientes ocho puntos.

Obtener datos

df1 <- data.frame(x=c(2,2,8,5,7,6,1,4), y=c(10,5,4,8,5,4,2,9))

Entender datos

summary(df1)

##        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

str(df1)

## '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

plot(df1$x, df1$y)

Escalar datos

# datos_escalados <- scale(datos_originales)

Asignar numero de grupos

grupos1 <- 3

Agrupar los puntos

set.seed(123)
clusters1 <- kmeans(df1, grupos1)
clusters1

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

Optimizar el número de grupos

set.seed(123)
optimizacion1 <- clusGap(df1, FUN=kmeans, nstart=2, K.max = 7)
plot(optimizacion1, xlab="Número de clusters K", main="Optimización de clusters")

#El óptimo es el primer punto más alto

Graficar los grupos

fviz_cluster(clusters1, data=df1)

Agregar grupos a la base de datos

df1_clusters <- cbind(df1, cluster = clusters1$cluster)
head(df1_clusters)

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

Conclusiones

La técica de clustering permite identificar patrones o grupos naturales en los datos sin necesidad de etiquetas previas

Ejercicio 2. USArrests

Contexto

La base de datos USArrests contiene estadísticas en arrestos por cada 100,000 residentes por agresión, asesinato y violación en cada uno de los 50 estados de EE.UU. en 1973.

Obtener datos

df2 <- USArrests
df2 <- df2 %>% select(-UrbanPop)

Entender datos

summary(df2)

##      Murder          Assault           Rape      
##  Min.   : 0.800   Min.   : 45.0   Min.   : 7.30  
##  1st Qu.: 4.075   1st Qu.:109.0   1st Qu.:15.07  
##  Median : 7.250   Median :159.0   Median :20.10  
##  Mean   : 7.788   Mean   :170.8   Mean   :21.23  
##  3rd Qu.:11.250   3rd Qu.:249.0   3rd Qu.:26.18  
##  Max.   :17.400   Max.   :337.0   Max.   :46.00

str(df2)

## 'data.frame':    50 obs. of  3 variables:
##  $ Murder : num  13.2 10 8.1 8.8 9 7.9 3.3 5.9 15.4 17.4 ...
##  $ Assault: int  236 263 294 190 276 204 110 238 335 211 ...
##  $ Rape   : num  21.2 44.5 31 19.5 40.6 38.7 11.1 15.8 31.9 25.8 ...

Escalar datos

df2_escalado <- scale(df2)
summary(df2_escalado)

##      Murder           Assault             Rape        
##  Min.   :-1.6044   Min.   :-1.5090   Min.   :-1.4874  
##  1st Qu.:-0.8525   1st Qu.:-0.7411   1st Qu.:-0.6574  
##  Median :-0.1235   Median :-0.1411   Median :-0.1209  
##  Mean   : 0.0000   Mean   : 0.0000   Mean   : 0.0000  
##  3rd Qu.: 0.7949   3rd Qu.: 0.9388   3rd Qu.: 0.5277  
##  Max.   : 2.2069   Max.   : 1.9948   Max.   : 2.6444

Asignar numero de grupos

grupos2 <- 5

Agrupar los puntos

set.seed(123)
clusters2 <- kmeans(df2_escalado, grupos2)
clusters2

## K-means clustering with 5 clusters of sizes 7, 14, 17, 4, 8
## 
## Cluster means:
##       Murder    Assault        Rape
## 1  0.8292944  1.3313823  0.90560938
## 2 -1.0812577 -1.0779212 -1.00700542
## 3 -0.2754591 -0.2999280 -0.12336985
## 4  0.4562038  0.9358314  2.26533514
## 5  1.5238170  0.8908337  0.09934463
## 
## Clustering vector:
##        Alabama         Alaska        Arizona       Arkansas     California 
##              5              4              1              3              4 
##       Colorado    Connecticut       Delaware        Florida        Georgia 
##              4              2              3              1              5 
##         Hawaii          Idaho       Illinois        Indiana           Iowa 
##              2              2              1              3              2 
##         Kansas       Kentucky      Louisiana          Maine       Maryland 
##              3              3              5              2              1 
##  Massachusetts       Michigan      Minnesota    Mississippi       Missouri 
##              3              1              2              5              3 
##        Montana       Nebraska         Nevada  New Hampshire     New Jersey 
##              3              2              4              2              3 
##     New Mexico       New York North Carolina   North Dakota           Ohio 
##              1              1              5              2              3 
##       Oklahoma         Oregon   Pennsylvania   Rhode Island South Carolina 
##              3              3              3              2              5 
##   South Dakota      Tennessee          Texas           Utah        Vermont 
##              2              5              5              3              2 
##       Virginia     Washington  West Virginia      Wisconsin        Wyoming 
##              3              3              2              2              3 
## 
## Within cluster sum of squares by cluster:
## [1] 3.380664 5.645542 9.205038 1.346517 4.683603
##  (between_SS / total_SS =  83.5 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

Optimizar el número de grupos

set.seed(123)
optimizacion2 <- clusGap(df2_escalado, FUN=kmeans, nstart=1, K.max = 10)
plot(optimizacion2, xlab="Número de clusters K", main="Optimización de clusters")

#El óptimo es el primer punto más alto

Graficar los grupos

fviz_cluster(clusters2, data=df2_escalado)

Agregar grupos a la base de datos

df2_clusters <- cbind(df2, cluster = clusters2$cluster)
head(df2_clusters)

##            Murder Assault Rape cluster
## Alabama      13.2     236 21.2       5
## Alaska       10.0     263 44.5       4
## Arizona       8.1     294 31.0       1
## Arkansas      8.8     190 19.5       3
## California    9.0     276 40.6       4
## Colorado      7.9     204 38.7       4

df2_clusters %>% group_by(cluster) %>% summarise_all(mean) %>% mutate(indicador_inseguridad = Murder + Assault + Rape)

## # A tibble: 5 × 5
##   cluster Murder Assault  Rape indicador_inseguridad
##     <int>  <dbl>   <dbl> <dbl>                 <dbl>
## 1       1  11.4    282.   29.7                 323. 
## 2       2   3.08    80.9  11.8                  95.8
## 3       3   6.59   146.   20.1                 172. 
## 4       4   9.78   249.   42.4                 301. 
## 5       5  14.4    245    22.2                 282.

df2_clusters <- df2_clusters %>% 
  mutate(cluster = case_when(
    cluster == 1 ~ "Inseguridad muy alta",
    cluster == 4 ~ "Inseguridad  alta",
    cluster == 5 ~ "Inseguridad media",
    cluster == 3 ~ "Inseguridad baja",
    cluster == 2 ~ "Inseguridad muy baja",
  ))
head(df2_clusters)

##            Murder Assault Rape              cluster
## Alabama      13.2     236 21.2    Inseguridad media
## Alaska       10.0     263 44.5    Inseguridad  alta
## Arizona       8.1     294 31.0 Inseguridad muy alta
## Arkansas      8.8     190 19.5     Inseguridad baja
## California    9.0     276 40.6    Inseguridad  alta
## Colorado      7.9     204 38.7    Inseguridad  alta

Conclusiones

La técica de clustering permite identificar patrones o grupos naturales en los datos sin necesidad de etiquetas previas.

Ejercicio 3. Segmentación de clientes

Contexto

La base de datos ventas tiene los registros entre el 1 de diciembre del 2010 y el 9 de diciembre del 2011 de las ventas de una empresa minorista en línea sin tienda física, basada en Reino Unido.
La empresa vende principalmente regalos únicos para toda ocasión y muchos de sis clientes son mayoristas.
Objetivo: Segmentar clientes, asignarles nombres y características de comportamiento y proponer sugerencias a las empresas para aumentar las ventas.

Obtener datos

df3 <- read.csv("C:\\Users\\natal\\OneDrive\\Carrera\\7moSemestre\\Modulo2\\ventas.csv")

Entender datos

summary(df3)

##        Ticket            Producto         Cantidad              Fecha       
##  Length   :522064   Length   :522064   Min.   :-9600.00   Length   :522064  
##  N.unique : 21663   N.unique :  4183   1st Qu.:    1.00   N.unique :   305  
##  N.blank  :     0   N.blank  :  1455   Median :    3.00   N.blank  :     0  
##  Min.nchar:     6   Min.nchar:     0   Mean   :   10.09   Min.nchar:    10  
##  Max.nchar:     7   Max.nchar:    36   3rd Qu.:   10.00   Max.nchar:    10  
##                                        Max.   :80995.00                     
##                                                                             
##         Hora            Precio              Cliente              País       
##  Length   :522064   Min.   :-11062.060   Min.   :12346    Length   :522064  
##  N.unique :   739   1st Qu.:     1.250   1st Qu.:13950    N.unique :    30  
##  N.blank  :     0   Median :     2.080   Median :15265    N.blank  :     0  
##  Min.nchar:     8   Mean   :     3.827   Mean   :15317    Min.nchar:     3  
##  Max.nchar:     8   3rd Qu.:     4.130   3rd Qu.:16837    Max.nchar:    20  
##                     Max.   : 13541.330   Max.   :18287                      
##                                          NAs    :134041

str(df3)

## 'data.frame':    522064 obs. of  8 variables:
##  $ Ticket  : chr  "536365" "536365" "536365" "536365" ...
##  $ Producto: chr  "WHITE HANGING HEART T-LIGHT HOLDER" "WHITE METAL LANTERN" "CREAM CUPID HEARTS COAT HANGER" "KNITTED UNION FLAG HOT WATER BOTTLE" ...
##  $ Cantidad: int  6 6 8 6 6 2 6 6 6 32 ...
##  $ Fecha   : chr  "01/12/2010" "01/12/2010" "01/12/2010" "01/12/2010" ...
##  $ Hora    : chr  "08:26:00" "08:26:00" "08:26:00" "08:26:00" ...
##  $ Precio  : num  2.55 3.39 2.75 3.39 3.39 7.65 4.25 1.85 1.85 1.69 ...
##  $ Cliente : int  17850 17850 17850 17850 17850 17850 17850 17850 17850 13047 ...
##  $ País    : chr  "United Kingdom" "United Kingdom" "United Kingdom" "United Kingdom" ...

Crear variables a analizar

df3$Venta <- df3$Cantidad * df3$Precio

library(dplyr)

tickets_cliente <- df3 %>%
  group_by(Cliente, Ticket) %>%
  summarise(
    Total_Ticket = sum(Venta, na.rm = TRUE),
    .groups = "drop"
  )

ticket_promedio <- tickets_cliente %>%
  group_by(Cliente) %>%
  summarise(
    Ticket_Promedio = mean(Total_Ticket, na.rm = TRUE),
    .groups = "drop"
  )

frecuencia <- df3 %>%
  group_by(Cliente) %>%
  summarise(
    Frecuencia_Compra = n_distinct(Ticket),
    .groups = "drop"
  )

clientes_cluster <- ticket_promedio %>%
  left_join(frecuencia, by = "Cliente")

Asignar numero de grupos

grupos2 <- 4

Agrupar los puntos

set.seed(123)
clusters2 <- kmeans(df2_escalado, grupos2)
clusters2

## K-means clustering with 4 clusters of sizes 12, 14, 17, 7
## 
## Cluster means:
##       Murder   Assault       Rape
## 1  1.3420549  1.048826  0.2875176
## 2 -1.0812577 -1.077921 -1.0070054
## 3 -0.2754591 -0.299928 -0.1233698
## 4  0.5308219  1.086252  1.8207361
## 
## Clustering vector:
##        Alabama         Alaska        Arizona       Arkansas     California 
##              1              4              4              3              4 
##       Colorado    Connecticut       Delaware        Florida        Georgia 
##              4              2              3              1              1 
##         Hawaii          Idaho       Illinois        Indiana           Iowa 
##              2              2              1              3              2 
##         Kansas       Kentucky      Louisiana          Maine       Maryland 
##              3              3              1              2              1 
##  Massachusetts       Michigan      Minnesota    Mississippi       Missouri 
##              3              4              2              1              3 
##        Montana       Nebraska         Nevada  New Hampshire     New Jersey 
##              3              2              4              2              3 
##     New Mexico       New York North Carolina   North Dakota           Ohio 
##              4              1              1              2              3 
##       Oklahoma         Oregon   Pennsylvania   Rhode Island South Carolina 
##              3              3              3              2              1 
##   South Dakota      Tennessee          Texas           Utah        Vermont 
##              2              1              1              3              2 
##       Virginia     Washington  West Virginia      Wisconsin        Wyoming 
##              3              3              2              2              3 
## 
## Within cluster sum of squares by cluster:
## [1] 8.838465 5.645542 9.205038 4.158414
##  (between_SS / total_SS =  81.1 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

Optimizar el número de grupos

set.seed(123)
optimizacion2 <- clusGap(df2_escalado, FUN=kmeans, nstart=1, K.max = 10)
plot(optimizacion2, xlab="Número de clusters K", main="Optimización de clusters")

#El óptimo es el primer punto más alto

Graficar los grupos

fviz_cluster(clusters2, data=df2_escalado)

Agregar grupos a la base de datos

df2_clusters <- cbind(df2, cluster = clusters2$cluster)
head(df2_clusters)

##            Murder Assault Rape cluster
## Alabama      13.2     236 21.2       1
## Alaska       10.0     263 44.5       4
## Arizona       8.1     294 31.0       4
## Arkansas      8.8     190 19.5       3
## California    9.0     276 40.6       4
## Colorado      7.9     204 38.7       4

df2_clusters %>% group_by(cluster) %>% summarise_all(mean) %>% mutate(indicador_inseguridad = Murder + Assault + Rape)

## # A tibble: 4 × 5
##   cluster Murder Assault  Rape indicador_inseguridad
##     <int>  <dbl>   <dbl> <dbl>                 <dbl>
## 1       1  13.6    258.   23.9                 296. 
## 2       2   3.08    80.9  11.8                  95.8
## 3       3   6.59   146.   20.1                 172. 
## 4       4  10.1    261.   38.3                 310.

df2_clusters <- df2_clusters %>% 
  mutate(cluster = case_when(
    cluster == 1 ~ "Inseguridad muy alta",
    cluster == 4 ~ "Inseguridad  alta",
    cluster == 5 ~ "Inseguridad media",
    cluster == 3 ~ "Inseguridad baja",
    cluster == 2 ~ "Inseguridad muy baja",
  ))
head(df2_clusters)

##            Murder Assault Rape              cluster
## Alabama      13.2     236 21.2 Inseguridad muy alta
## Alaska       10.0     263 44.5    Inseguridad  alta
## Arizona       8.1     294 31.0    Inseguridad  alta
## Arkansas      8.8     190 19.5     Inseguridad baja
## California    9.0     276 40.6    Inseguridad  alta
## Colorado      7.9     204 38.7    Inseguridad  alta

Conclusiones

La técica de clustering permite identificar patrones o grupos naturales en los datos sin necesidad de etiquetas previas

---
title: "Clústers - Puntos USArrests y Clientes"
author: "Natalia Borjas Mendez - A01029448"
date: "2026-08-25"
output: 
  html_document:
    toc: TRUE
    toc_float: TRUE
    code_download: TRUE
    theme: flatly
---

![](https://media3.giphy.com/media/v1.Y2lkPTc5MGI3NjExaDdmdHdndnRzYnZ4N2hrbDVybTZvM211cWtnZWI3bXJ2c3BnMG56NyZlcD12MV9pbnRlcm5hbF9naWZfYnlfaWQmY3Q9Zw/12vVAGkaqHUqCQ/giphy.gif)


# <span style="color:#D81B60">Teoría</span>
**Agrupamiento** o *Clustering* es una técnica de aprendizaje automático no supervidaso que agrupa datos en función de su similitud.  

Algunos usos típicos de esta técnica son: 

* Segmentación de clientes  
* Detección de anormalidades  
* Categorización de documentos

# <span style="color:#D81B60">Instalar paquetes y llamar librerías</span>
```{r message=FALSE, warning=FALSE}
#install.packages("cluster") # Análisis de agrupamiento
library(cluster)
#install.packages("ggplot2") # Graficar
library(ggplot2)
#install.packages("data.table") # Manejo de muchos datos
library(data.table)
#install.packages("factoextra") # Gráfica de optimización de número de clústers
library(factoextra)
#install.packages("datasets")
library(datasets)
#install.packages("tidyverse")
library(tidyverse)
```

# <span style="color:#D81B60">Ejercicio 1. Puntos</span>
## <span style="color:#F48FB1">Contexto</span>
Agrupa los siguientes ocho puntos. 

## <span style="color:#F48FB1">Obtener datos</span>
```{r}
df1 <- data.frame(x=c(2,2,8,5,7,6,1,4), y=c(10,5,4,8,5,4,2,9))
```

## <span style="color:#F48FB1">Entender datos</span>
```{r}
summary(df1)
str(df1)
plot(df1$x, df1$y)
```

## <span style="color:#F48FB1">Escalar datos</span>
```{r}
# datos_escalados <- scale(datos_originales)
```

## <span style="color:#F48FB1">Asignar numero de grupos</span>
```{r}
grupos1 <- 3
```

## <span style="color:#F48FB1">Agrupar los puntos</span>
```{r}
set.seed(123)
clusters1 <- kmeans(df1, grupos1)
clusters1
```

## <span style="color:#F48FB1">Optimizar el número de grupos</span>
```{r}
set.seed(123)
optimizacion1 <- clusGap(df1, FUN=kmeans, nstart=2, K.max = 7)
plot(optimizacion1, xlab="Número de clusters K", main="Optimización de clusters")
#El óptimo es el primer punto más alto
```

## <span style="color:#F48FB1">Graficar los grupos</span>
```{r}
fviz_cluster(clusters1, data=df1)
```

## <span style="color:#F48FB1">Agregar grupos a la base de datos</span>
```{r}
df1_clusters <- cbind(df1, cluster = clusters1$cluster)
head(df1_clusters)
```

## <span style="color:#F48FB1">Conclusiones</span>
La técica de *clustering* permite identificar patrones o grupos naturales en los datos sin necesidad de etiquetas previas


# <span style="color:#D81B60">Ejercicio 2. USArrests</span>

## <span style="color:#F48FB1">Contexto</span>
La base de datos **USArrests** contiene estadísticas en arrestos por cada 100,000 residentes por agresión, asesinato y violación en cada uno de los 50 estados de EE.UU. en 1973.  

## <span style="color:#F48FB1">Obtener datos</span>
```{r}
df2 <- USArrests
df2 <- df2 %>% select(-UrbanPop)
```

## <span style="color:#F48FB1">Entender datos</span>
```{r}
summary(df2)
str(df2)
```

## <span style="color:#F48FB1">Escalar datos</span>
```{r}
df2_escalado <- scale(df2)
summary(df2_escalado)
```

## <span style="color:#F48FB1">Asignar numero de grupos</span>
```{r}
grupos2 <- 5
```

## <span style="color:#F48FB1">Agrupar los puntos</span>
```{r}
set.seed(123)
clusters2 <- kmeans(df2_escalado, grupos2)
clusters2
```

## <span style="color:#F48FB1">Optimizar el número de grupos</span>
```{r}
set.seed(123)
optimizacion2 <- clusGap(df2_escalado, FUN=kmeans, nstart=1, K.max = 10)
plot(optimizacion2, xlab="Número de clusters K", main="Optimización de clusters")
#El óptimo es el primer punto más alto
```

## <span style="color:#F48FB1">Graficar los grupos</span>
```{r}
fviz_cluster(clusters2, data=df2_escalado)
```

## <span style="color:#F48FB1">Agregar grupos a la base de datos</span>
```{r}
df2_clusters <- cbind(df2, cluster = clusters2$cluster)
head(df2_clusters)

df2_clusters %>% group_by(cluster) %>% summarise_all(mean) %>% mutate(indicador_inseguridad = Murder + Assault + Rape)

df2_clusters <- df2_clusters %>% 
  mutate(cluster = case_when(
    cluster == 1 ~ "Inseguridad muy alta",
    cluster == 4 ~ "Inseguridad  alta",
    cluster == 5 ~ "Inseguridad media",
    cluster == 3 ~ "Inseguridad baja",
    cluster == 2 ~ "Inseguridad muy baja",
  ))
head(df2_clusters)
```

## <span style="color:#F48FB1">Conclusiones</span>
La técica de *clustering* permite identificar patrones o grupos naturales en los datos sin necesidad de etiquetas previas.


# <span style="color:#D81B60">Ejercicio 3. Segmentación de clientes</span>
## <span style="color:#F48FB1">Contexto</span>
La base de datos **ventas** tiene los registros entre el 1 de diciembre del 2010 y el 9 de diciembre del 2011 de las ventas de una empresa minorista en línea sin tienda física, basada en Reino Unido.  
La empresa vende principalmente regalos únicos para toda ocasión y muchos de sis clientes son mayoristas.  
Objetivo: Segmentar clientes, asignarles nombres y características de comportamiento y proponer sugerencias a las empresas para aumentar las ventas. 

## <span style="color:#F48FB1">Obtener datos</span>
```{r}
df3 <- read.csv("C:\\Users\\natal\\OneDrive\\Carrera\\7moSemestre\\Modulo2\\ventas.csv")
```

## <span style="color:#F48FB1">Entender datos</span>
```{r}
summary(df3)
str(df3)
```

## <span style="color:#F48FB1">Crear variables a analizar</span>
```{r}
df3$Venta <- df3$Cantidad * df3$Precio

library(dplyr)

tickets_cliente <- df3 %>%
  group_by(Cliente, Ticket) %>%
  summarise(
    Total_Ticket = sum(Venta, na.rm = TRUE),
    .groups = "drop"
  )

ticket_promedio <- tickets_cliente %>%
  group_by(Cliente) %>%
  summarise(
    Ticket_Promedio = mean(Total_Ticket, na.rm = TRUE),
    .groups = "drop"
  )

frecuencia <- df3 %>%
  group_by(Cliente) %>%
  summarise(
    Frecuencia_Compra = n_distinct(Ticket),
    .groups = "drop"
  )

```

```{r}
clientes_cluster <- ticket_promedio %>%
  left_join(frecuencia, by = "Cliente")
```


## <span style="color:#F48FB1">Asignar numero de grupos</span>
```{r}
grupos2 <- 4
```

## <span style="color:#F48FB1">Agrupar los puntos</span>
```{r}
set.seed(123)
clusters2 <- kmeans(df2_escalado, grupos2)
clusters2
```

## <span style="color:#F48FB1">Optimizar el número de grupos</span>
```{r}
set.seed(123)
optimizacion2 <- clusGap(df2_escalado, FUN=kmeans, nstart=1, K.max = 10)
plot(optimizacion2, xlab="Número de clusters K", main="Optimización de clusters")
#El óptimo es el primer punto más alto
```

## <span style="color:#F48FB1">Graficar los grupos</span>
```{r}
fviz_cluster(clusters2, data=df2_escalado)
```

## <span style="color:#F48FB1">Agregar grupos a la base de datos</span>
```{r}
df2_clusters <- cbind(df2, cluster = clusters2$cluster)
head(df2_clusters)

df2_clusters %>% group_by(cluster) %>% summarise_all(mean) %>% mutate(indicador_inseguridad = Murder + Assault + Rape)

df2_clusters <- df2_clusters %>% 
  mutate(cluster = case_when(
    cluster == 1 ~ "Inseguridad muy alta",
    cluster == 4 ~ "Inseguridad  alta",
    cluster == 5 ~ "Inseguridad media",
    cluster == 3 ~ "Inseguridad baja",
    cluster == 2 ~ "Inseguridad muy baja",
  ))
head(df2_clusters)
```

# <span style="color:#D81B60">Conclusiones</span>
La técica de *clustering* permite identificar patrones o grupos naturales en los datos sin necesidad de etiquetas previas


Clústers - Puntos USArrests y Clientes

Natalia Borjas Mendez - A01029448

2026-08-25

Teoría

Instalar paquetes y llamar librerías

Ejercicio 1. Puntos

Contexto

Obtener datos

Entender datos

Escalar datos

Asignar numero de grupos

Agrupar los puntos

Optimizar el número de grupos

Graficar los grupos

Agregar grupos a la base de datos

Conclusiones

Ejercicio 2. USArrests

Contexto

Obtener datos

Entender datos

Escalar datos

Asignar numero de grupos

Agrupar los puntos

Optimizar el número de grupos

Graficar los grupos

Agregar grupos a la base de datos

Conclusiones

Ejercicio 3. Segmentación de clientes

Contexto

Obtener datos

Entender datos

Crear variables a analizar

Asignar numero de grupos

Agrupar los puntos

Optimizar el número de grupos

Graficar los grupos

Agregar grupos a la base de datos

Conclusiones