Análisis Clúster Fernando Rojas

Análisis Clúster Fernando Rojas

1. ¿Qué es?

   • Su principal objetivo es agrupar objetos basándose en las características que poseen
     • Se clasifica en objetos de tal forma que cada objeto es muy parecido a los que hay en el conglomerado con respecto a un criterio
       • Los conglomerados de objetos resultantes deberían de mostrar un alto grado de Homogeneidad interna y un alto grado de heterogeneidad (dentro y fuera del conglomerado respectivamente)
         • Gráficamente los objetos dentro de los conglomerados estarán muy próximos y los diferentes conglomerados muy alejados

2. ¿Cómo se caracteriza o que pedo?

   • El análisis cluster puede caracterizarse como descriptivo, ateórico y no inferencial.

3. ¿Que soluciones da?

   • Las soluciones no son únicas, en la medida en que la pertenencia al conglomerado para cualquier número de soluciones depende de muchos elementos del procedimiento y se pueden obtener muchas soluciones diferentes variando uno o más de estos elementos.
     • La solución cluster es totalmente dependiente de las variables utilizadas como base para la medida de similitud. La adición o destrucción de variables relevantes puede tener un impacto substancial sobre la solución resultante. Por tanto, se debe tener particular cuidado en evaluar el impacto de cada decisión implicada en el desarrollo de un análisis cluster.

4. Órale goeh, ¿cómo lo hago o que show ?

   • Primer paso CAWN
     • Objetivo habitual , segmentar al mercado hueh
       • Establecimiento de objetivos: De carácter exploratorio: formular una taxonomía De carácter confirmatorio: comparar una tipología propuesta (basada en la teoría) con la derivada del análisis cluster
       • SEGUNDO paso wey
         • Detección de atípicos (outliers)
           • Los atípicos pueden representar (1) 0bservaciones verdaderamente «aberrantes» que no son representativas de la población en general (2) Una muestra reducida del grupo (grupos) de la población que provoca una mala representación del grupo (grupos) de la muestra. En ambos casos, los atípicos distorsionan la verdadera estructura y hacen que los conglomerados deducidos no sean representativos de la verdadera estructura de la población. Por esta razón, siempre es necesaria una representación preliminar de los atípicos.
         • Terfcer Paso viejón
           • ¡¡¡¡¡¡ojo!!!!!!!!
             • con la representatividad de la muestra (incluidos outliers)
             • con la multicolinealidad
           • Multi Colinealidad Las variables afectadas por la multicolinealidad tendrán mayor influencia en la formación de los grupos
             • La multicolinalidad aparece cuando una única variable dependiente esta altamente correlacionada con un conjunto de otras variables independientes.
           • Cuarto paso niño
             • Obtención de grupos y valoración del ajuste conjunto Algoritmos para la obtención de conglomerados:
               • Jerárquco
                 • No jerárquico
                   • k Medias
                     • Asignan los objetos a conglomerados una vez que el número de conglomerados a formar está especificado. El proceso opera de la siguiente forma.
                       • 1. Se selecciona una semilla de conglomerado como centro de conglomerado inicial, y todos los objetos (individuos) dentro de una distancia umbral previamente especificada se incluyen dentro del conglomerado resultante. 2. Se selecciona otra semilla de conglomerado y la asignación continúa hasta que todos los objetos están asignados. Los objetos pueden entonces asignarse si están cercanos a otro conglomerado que no sea el original.
                   • Umbral secuencial
                     • :empieza seleccionando una semilla de conglomerado e incluye todos los objetos que caen dentro de una distancia previamente especificada. Cuando todos los objetos dentro de la distancia están incluidos, se selecciona una segunda semilla de conglomerado y se incluyen todos los objetos dentro de la distancia previamente especificada.
                     • Umbral paralelo
                       • :selecciona varias semillas de conglomerado simultáneamente al principio y asigna objetos dentro de la distancia umbral hasta la semilla más cercana.
                       • Optimización:
                         • permite la reubicación de los objetos. Si, en el curso de la asignación de los objetos, un objeto se acerca más a otro conglomerado que no es el que tiene asignado en este momento, entonces un procedimiento de optimización cambia el objeto al conglomerado más parecido (cercano).
                 • Encadenamiento simple
                   • La distancia entre dos conglomerados cualquiera es la distancia más corta desde cualquier punto en un conglomerado a cualquier punto en el otro. Dos conglomerados se fusionan en cualquier nivel por el vínculo más corto o más fuerte entre ellos
                 • Encadenamiento completo
                   • Se basa en la distancia máxima
                 • Encadenamiento medio
                   • El enfoque del encadenamiento medio tiende a combinar los conglomerados con variaciones reducidas dentro del conglomerado. También tiende a estar sesgado hacia la producción de conglomerados con aproximadamente la misma varianza.
                 • Metodo de Ward
                   • La distancia entre dos conglomerados es la suma de los cuadrados entre dos conglomerados sumados para todas las variables.
                     • En cada paso del procedimiento de aglomeración, se minimiza la suma de los cuadrados dentro del conglomerado para todas las particiones (el conjunto completo de conglomerados disjuntos o separados) obtenida mediante la combinación de dos conglomerados en un paso previo.
                 • Método del centroide:
                   • En este método, cada vez que se agrupa a los individuos, se calcula un nuevo centroide. Existe un cambio en un centroide de un grupo cada vez que un nuevo individuo o grupo de individuos se añade al conglomerado existente.
             • Quinto Paso papaw
               • Interpretación de los conglomerados
                 • •Determinación de las variables significativas de análisis •Eliminación de las variables no significativas e interpretación • de los centroides
   • Ahora tus variables campeón
     • Inductiva: clasificación exploratoria de observaciones considerar tantas variables como sea posible
     • Deductiva: TEORÍA guía el número de variables apropiadas y el número y naturaleza de los grupos
     • Cognitiva: clasificación que parte de dimensiones percibidas como relevantes por expertos (ej. directivos)
     • Estandarización de variables
       • Necesaria cuando se trabaja conjuntamente con variables medidas con distintas escalas o con rangos muy distintos
         • Permite que las variables contribuyan en igual medida, pero puede eliminar diferencias significativas entre elementos
   • ¡¡¡¡¡¡¡OJO !!!!!!!
     • No hay indicador de bondad del ajuste (no hay forma de saber qué variables son relevante y cuáles no, hasta que no se ha efectuado el análisis)

5. Medidas de similitud

   • La similitud entre objetos es una medida de correspondencia, o parecido, entre objetos que van a ser agrupados.
     • La similitud entre objetos puede medirse de varias formas, pero tres métodos dominan las aplicaciones del análisis cluster: medidas de correlación, medidas de distancia y medidas de asociación.
       • Tanto las medidas de distancia como la correlación exigen datos métricos, mientras que las medidas de asociación son para datos no métricos.
         • Tipos de Medidas
           • Medidas de correlación
             • En lugar de hacer la correlación entre dos conjuntos deinvertimos la matriz de las X variables de los objetos de tal forma que las columnas representan los objetos y las filas representan variables.
               • El coeficiente de correlación entre las dos columnas de números es la correlación (o similitud) entre los perfiles de los dos objetos.
           • Medidas de distancia
             • Alternativas
               • Distancia Euclída
                 • Distancia Euclída al Coadrado
                   • Distancia de Mahalonobis
               • Chécalas todas y ve cual pega
           • Medidas de asociación
             • Las medidas de asociación de similitud se utilizan para comparar objetos cuyas características se miden sólo en términos no métricos (medida nominal y ordinal).