Arrestos USA

Importar base de datos y revisar datos

data("USArrests")
# summary(USArrests)

# Revisar presencia de datos anormales
boxplot(USArrests)

# Se determinó que hay datos anormales en Rape (Fuera del límite superior), pero
# no se eliminarán al ser muy cercanos a los demás datos.

Generador de valor de datos

Paso 1. Definir el área del negocio que buscamos impactar/ mejorar y su KPI.

Estamos buscando impactar y mejorar es el departamento de Seguridad en USA y el KPI será Arrestos.

Paso 2. Seleccionar plantilla(s) para crear valor a partir de los datos de los clientes.

Segmentación

Paso 3. Generar ideas o conceptos específicos.

# Estrategia de conocer donde hay mayor seguridad y en donde inseguirdad.

Paso 4. Reunir los datos específicos.

Base de datos con arrestos.

Paso 5. Plan de ejecución.

Estrategias para seguridad.

K-means clustering

# Paso 1. Normalizar variables
bd1 <- USArrests
bd1 <- as.data.frame(scale(USArrests))

# Paso 2. k-means Clustering
segmentos <- kmeans(bd1, 4)
segmentos

## K-means clustering with 4 clusters of sizes 13, 13, 16, 8
## 
## Cluster means:
##       Murder    Assault   UrbanPop        Rape
## 1 -0.9615407 -1.1066010 -0.9301069 -0.96676331
## 2  0.6950701  1.0394414  0.7226370  1.27693964
## 3 -0.4894375 -0.3826001  0.5758298 -0.26165379
## 4  1.4118898  0.8743346 -0.8145211  0.01927104
## 
## Clustering vector:
##        Alabama         Alaska        Arizona       Arkansas     California 
##              4              2              2              4              2 
##       Colorado    Connecticut       Delaware        Florida        Georgia 
##              2              3              3              2              4 
##         Hawaii          Idaho       Illinois        Indiana           Iowa 
##              3              1              2              3              1 
##         Kansas       Kentucky      Louisiana          Maine       Maryland 
##              3              1              4              1              2 
##  Massachusetts       Michigan      Minnesota    Mississippi       Missouri 
##              3              2              1              4              2 
##        Montana       Nebraska         Nevada  New Hampshire     New Jersey 
##              1              1              2              1              3 
##     New Mexico       New York North Carolina   North Dakota           Ohio 
##              2              2              4              1              3 
##       Oklahoma         Oregon   Pennsylvania   Rhode Island South Carolina 
##              3              3              3              3              4 
##   South Dakota      Tennessee          Texas           Utah        Vermont 
##              1              4              2              3              1 
##       Virginia     Washington  West Virginia      Wisconsin        Wyoming 
##              3              3              1              1              3 
## 
## Within cluster sum of squares by cluster:
## [1] 11.952463 19.922437 16.212213  8.316061
##  (between_SS / total_SS =  71.2 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

asignacion <- cbind(USArrests, cluster = segmentos$cluster)
head(asignacion, 10)

##             Murder Assault UrbanPop Rape cluster
## Alabama       13.2     236       58 21.2       4
## Alaska        10.0     263       48 44.5       2
## Arizona        8.1     294       80 31.0       2
## Arkansas       8.8     190       50 19.5       4
## California     9.0     276       91 40.6       2
## Colorado       7.9     204       78 38.7       2
## Connecticut    3.3     110       77 11.1       3
## Delaware       5.9     238       72 15.8       3
## Florida       15.4     335       80 31.9       2
## Georgia       17.4     211       60 25.8       4

Exportar csv

write.csv(asignacion, "datos_con_cluster.csv")

Visualizar segmentos

# install.packages("factoextra")
library(factoextra)

## Loading required package: ggplot2

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

fviz_cluster(segmentos, data = bd1, 
             palette=c("red", "blue", "black", "darkgreen"),
             ellipse.type = "euclid",
             star.plot = T,
             repel = T,
             ggtheme = theme())

Optimizar k

# install.packages("cluster")
library(cluster)
library(data.table)
set.seed(123)
optimizacion <- clusGap (bd1, FUN = kmeans, nstart =25, K.max = 10, B = 50)
plot(optimizacion, xlab = "Numero de clusters k")

Conclusiones

Después de realizar el análisis y haber separado por Clusters, podemos ver que losl lugar más inseguros en USA son el cuadrante 2 y de ahi destaca California y el cuadrante 1 es donde podemos encontrar los lugares más seguros destacando a Missisipi con mayor seguridad. Lo que es necesario buscar estrategias como más vigilancia, centros de prevención, control de migrantes para poder diminuir la inseguridad.