{"id":828,"date":"2016-05-08T16:38:15","date_gmt":"2016-05-08T19:38:15","guid":{"rendered":"http:\/\/geekosas.com\/?p=828"},"modified":"2026-05-23T17:48:19","modified_gmt":"2026-05-23T15:48:19","slug":"k-means","status":"publish","type":"post","link":"https:\/\/geekosas.com\/index.php\/es\/2016\/05\/08\/k-means\/","title":{"rendered":"Segmentar clientes paso a paso"},"content":{"rendered":"

Anteriormente escrib\u00ed sobre las redes neuronales (click aca para verlo)<\/a>.\u00a0Las redes neuronales y todos los otros "m\u00e9todos supervisados<\/a>" son utilizados cuando\u00a0posee una muestra de valores\u00a0predecir, pero cuando sabes lo que quieres\u00a0lograr, pero no tienes una muestra del valor a predecir, se utilizan los llamados "m\u00e9todos no supervisados"<\/p>\n

Un cl\u00e1sico problema donde se aplica esta clase de m\u00e9todos es\u00a0en la Segmentaci\u00f3n de Clientes<\/a>, donde a priori no se conocen los segmentos\/grupos,\u00a0dentro de los m\u00e9todos,\u00a0uno de los m\u00e1s famosos es K-Means.<\/p>\n

K-Means es un algoritmo utilizado para encontrar grupos de individuos con caracter\u00edsticas similares. Donde similar o distinto, ser\u00e1 calculado\u00a0seg\u00fan la distancia euclidiana de sus atributos num\u00e9ricos.<\/p>\n

A continuaci\u00f3n seguiremos un ejemplo paso a paso sobre como segmentar clientes en un caso simplificado.<\/p>\n

<\/p>\n

Para hacer este ejemplo, generaremos una muestra aleatoria de datos en dos\u00a0dimensiones por caso:\u00a0trafico\u00a0de datos (megas) y de voz (minutos). Cada caso\u00a0ha sido simulado de modo que tengan un patr\u00f3n de comportamiento similar a un grupo.<\/p>\n

Con K-Means intentaremos encontrar estos cuatro grupos, los cuales existen, pero no los conocemos.<\/p>\n

A continuaci\u00f3n un gr\u00e1fico de los cuatro grupos:<\/p>\n

\"\"<\/p>\n

Problema Real:<\/p>\n

Somos el\u00a0Data Scientist de una prestigiosa compa\u00f1\u00eda de Celulares (experiencia personal del escritor) donde\u00a0se nos encomienda la tarea de segmentar\/clasificar a los clientes (nuevamente algo nada alejado de la realidad del escritor).\u00a0Al revisar la base de datos, nos damos cuenta que solo disponemos de los consumos mensuales de Datos y Voz\u00a0de cada cliente. (pueden ser muchos mas como: recargas, mensajes de texto llamadas al call center, etc…).<\/p>\n

Como las escalas de consumo\u00a0de datos (MB) y Voz (Minutos) son\u00a0muy distintas\u00a0y\u00a0K-Means\u00a0mide la similitud por distancia euclidiana entre casos, escalaremos los valores entre 0 y\u00a01, obteniendo los siguientes datos:<\/p>\n

\"\"<\/p>\n

Ya estamos listos para comenzar, como K-Means no determina el n\u00famero de grupos, se ejecuta para distintas cantidades procediendo a\u00a0comparar\u00a0los resultados de cada caso.\u00a0Las elecci\u00f3n del n\u00famero de grupos se mueve entre las matem\u00e1ticas y el criterio.<\/p>\n

Realizaremos K-Means desde 1 a 6 grupos y\u00a0utilizaremos el m\u00e9todo matem\u00e1tico y el m\u00e9todo de "criterio" para determinar el numero de grupos.<\/p>\n

Lo primero observar es ver el nivel de ajuste para cada caso, este consiste en el porcentaje de varianza explicado por cada segmentaci\u00f3n, calculado como\u00a0between_SS \/ total_SS (no quiero entrar en detalle). Cuando se ve que la segmentaci\u00f3n ya no mejora considerablemente \u00a0al incrementar los grupos, significa que el grupo nuevo grupo es similar a uno ya\u00a0existente, por lo que deber\u00edan el mismo.<\/p>\n

A continuaci\u00f3n el gr\u00e1fico de ajuste para cada caso.<\/p>\n

\"\"<\/p>\n

Al parecer, m\u00e1s de 4 grupos no hace sentido, ahora comparemos los valores agregados de cada grupo, veremos sus valores promedio y el numero de elementos en cada grupo.<\/p>\n

Ahora procederemos a realizar el an\u00e1lisis no num\u00e9rico, el cual consiste en darle nombre a los grupos, cuando no se pueden diferenciar 2 grupos, significa que no tiene sentido separarlos (solo por curiosidad, los contrastaremos con los grupos "reales").<\/p>\n

1 Grupo<\/p>\n


\n\"\"<\/p>\n\n\n\n\n
grupo_numero<\/th>\nmin<\/th>\nmb<\/th>\nnumero<\/th>\n<\/tr>\n
1) Promedio de todos<\/td>\n71<\/td>\n447<\/td>\n120<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

2 Grupos
\n\"\"
\n<\/p>\n\n\n\n\n\n
grupo_numero<\/th>\nmin<\/th>\nmb<\/th>\nnumero<\/th>\n<\/tr>\n
1)\u00a0Poco Minutos<\/td>\n9<\/td>\n538<\/td>\n60<\/td>\n<\/tr>\n
2)\u00a0Muchos Minutos<\/td>\n134<\/td>\n356<\/td>\n60<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

3 Grupos
\n\"\"
\n<\/p>\n\n\n\n\n\n\n
grupo_numero<\/th>\nmin<\/th>\nmb<\/th>\nnumero<\/th>\n<\/tr>\n
1)\u00a0Poco Trafico<\/td>\n13<\/td>\n111<\/td>\n31<\/td>\n<\/tr>\n
2)\u00a0Muchos Minutos<\/td>\n134<\/td>\n356<\/td>\n60<\/td>\n<\/tr>\n
3)\u00a0Muchos Megas y pocos Minutos<\/td>\n5<\/td>\n994<\/td>\n29<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

4 Grupos
\n\"\"
\n<\/p>\n\n\n\n\n\n\n\n
grupo_numero<\/th>\nmin<\/th>\nmb<\/th>\nnumero<\/th>\n<\/tr>\n
1)\u00a0Muchos Megas<\/td>\n5<\/td>\n994<\/td>\n29<\/td>\n<\/tr>\n
2)\u00a0Muchos Minutos<\/td>\n148<\/td>\n23<\/td>\n30<\/td>\n<\/tr>\n
3)\u00a0Poco Trafico<\/td>\n13<\/td>\n111<\/td>\n31<\/td>\n<\/tr>\n
4)Mucho Trafico<\/td>\n120<\/td>\n690<\/td>\n30<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

5\u00a0Grupos<\/p>\n

\"\"
\n<\/p>\n\n\n\n\n\n\n\n\n
grupo_numero<\/th>\nmin<\/th>\nmb<\/th>\nnumero<\/th>\n<\/tr>\n
1) Alto Trafico<\/td>\n111<\/td>\n699<\/td>\n22<\/td>\n<\/tr>\n
2) Alto Trafico, en especial minutos*<\/td>\n143<\/td>\n666<\/td>\n8<\/td>\n<\/tr>\n
3)Muchos Megas<\/td>\n5<\/td>\n994<\/td>\n29<\/td>\n<\/tr>\n
4)Muchos Minutos<\/td>\n148<\/td>\n23<\/td>\n30<\/td>\n<\/tr>\n
5) Poco Trafico<\/td>\n13<\/td>\n111<\/td>\n31<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n