K-Means: Método del Codo
Selecciona el número óptimo de clusters (k):
k=1
k=2
k=3
k=4
k=5
k=6
El codo está en k=3 ” después la mejora es marginal. Silhouette score: 0.72
Cluster A:
Clientes jóvenes, gasto bajo
Cluster B:
Clientes adultos, gasto alto
Cluster C:
Clientes mayores, gasto medio
Clustering Jerárquico
Dendrograma ” corta a la altura deseada:
A
B
C
D
E
F
Cortando a altura 30 obtenemos 3 clusters: {A,B}, {C,D}, {E,F}
PCA: Varianza Explicada
Scree plot ” varianza explicada por cada componente:
PC1
PC2
PC3
PC4
PC1 + PC2 = 72% de varianza explicada
Heatmap + Dendrograma
Mapa de calor con clustering jerárquico:
0.9
0.7
0.3
0.1
0.0
0.7
0.8
0.1
0.2
0.1
0.2
0.1
0.9
0.6
0.3
0.0
0.1
0.6
0.8
0.1
Filas y columnas reordenadas por similitud. Clusters visuales en rojo (alta correlación).
¿Qué técnica usarías?
Tienes 50 variables y quieres visualizar los datos en 2D. ¿Qué usas?
K-Means
PCA
Clustering jerárquico
Heatmap
Aciertos: 0 / 0