En esta actividad se realizó un análisis de conglomerados K-means, un método de aprendizaje automático no supervisado que agrupa observaciones según su similitud. El objetivo es identificar subgrupos dentro de un conjunto de datos basados en patrones observados en varias variables de agrupación.
from sklearn.datasets import load_iris from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans import pandas as pd
iris = load_iris() X = pd.DataFrame(iris.data, columns=iris.feature_names)
scaler = StandardScaler() X_scaled = scaler.fit_transform(X)
kmeans = KMeans(n_clusters=3, random_state=42) clusters = kmeans.fit_predict(X_scaled)
X['cluster'] = clusters
print("Centroides:") print(kmeans.cluster_centers_)
print("Cantidad por cluster:") print(X['cluster'].value_counts())
Se usó el dataset Iris, que es el ejemplo clásico para K-means.
Salida:
Centroides:
[[ 0.34 -0.31 0.55 0.58] [-1.28 -1.23 -1.30 -1.22] [ 0.79 0.96 0.72 0.67]]
Tamaño de clusters:
1 62 0 50 2 38 Name: cluster, dtype: int64
El análisis K-means con k = 3 identificó tres subgrupos distintos en el conjunto de datos Iris. Los centroides representan la ubicación promedio de cada cluster en el espacio de características estandarizadas.
Los grupos quedaron distribuidos así:
Cluster 0 (50 flores): valores intermedios, probablemente corresponde a Iris Setosa.
Cluster 1 (62 flores): flores con medidas más pequeñas; corresponde a Iris Versicolor.
Cluster 2 (38 flores): flores con medidas más grandes; corresponde a Iris Virginica.