cluster k means

8
William Solera Araya Curso: Métodos Exploratorios en Minería de Datos Tarea N# 4 Respuesta N#1 A. Grafico Jerarquía Binaria B. Gráfico de la jerarquía binaria indicando con una línea dónde sería el corte si se quieren 3 clústeres.      F     e      d      i     r      L     y       d      i     a      I     v     a     n      I     r     e     n     e      E     v      d     o      k      i     a      A      d     a     m      T      h     e     o      d     o     r     e      L     e     s      i     a      M     o     n      i     c     a      I     s     a      b     e      l      l     e      M     a     r      i     s     o      l      T     e     r     e     s     a      F      i     a      l      k     a      F      l     o     r     e     n      t      E      d     w     a     r      d      S      t     e     p       h     a     n      T     a     m     a     r     a      T     e     o      f      i      l     a      J     o      h     n      L     u      b     o     m     y      r      M     a     r      t      h     a      M     y      r     o     n      J     o     a     c      h      i     m      T     e     o      f     a     n      K     a      l     y      n     a      F     a      b      i     a     n      S     a     v      i     n     a      F     r     a     n      k      M     a      t      t      h     e     w      J     a     c     o      b      S     a     n      t      i     a     g      o      S     a     n      d     r     a      S     o     p       h      i     a      M      i     c      h     a     e      l      i     n     a      T     e     o     n      A     n     n     a      S     a     m     u     e      l      E     u     g      e     n     e      M     a     r      k     o      J     e     r     e     m      i     a      h      L     e     o     n      H     e     r     m     a     n      I     s     a      d     o     r     e      S     a      l     o     m     e      S     y       l     v     e     s      t     e     r      M     a      k     s     y      m      B     e     r     n     a     r      d      M     a     x      i     m      i      l      l      i     a     n      G     a      b     r      i     e      l      H     e      l     e     n      L     o     u      i     s     e      H     e     n     r     y       M      i     n     a      M     a     r      t      i     n      J     e     r     v      i     s      M     a     r      k      i     a     n      M     a     y      a      L     e     o      M     a     r      i     a      S     a     r     a      h      S     e      b     a     s      t      i     a     n      M     a     g       d     a      l     y      n     a      S     u     s     a     n     n     a      F     e      l      i     x      H      i      l     a     r     y       L     a     w     r     e     n     c     e      M     a     r      i     a     n      F      l     a     v      i     a      J     u     s      t      i     n      F      l     o     r     a      M     a     r     g      a     r     e      t      M     a     u     r     a      M     y      r     o     s      l     a     v     a      L     e     o     n      i      d      M     e      l     a     n      i     a      E     u     g      e     n      i     a      S     y       l     v     a     n      J     u      d      i      t      h      L     a     r      i     s     s     a      J     o     s     e     p       h      M     e      t      h     o      d      i     u     s      H     a     n     n     a      h      M     y       k     y       t     a      M     y      r     o     s      l     a     v      X     a     v      i     e     r      M      i     c      h     a     e      l      L     e     o     n     a     r      d      T     e     o      f      i      l      I     s      i      d     o     r     e      E     v     a      L     o     u     r      d     e     s      M     a     r      i     a     n     n     a      E     m      i      l      i     a      J     o     s     e     p       h      i     n     e      P      h      i      l      i     p       E     u     n      i     c     e      F      l     o     r     e     n     c     e      M     a     r     c     e      l      M     a     r     y      n     a      S      t     e     p       h     a     n      i     a      0      1      0      2      0      3      0      4      0 Cluster Dendrogram for Solution HClust.1 Method=ward; Distance=euclidian Observation Number in Data Set Datos      H     e      i     g       h      t      F     e      d      i     r      L     y       d      i     a      I     v     a     n      I     r     e     n     e      E     v      d     o      k      i     a      A      d     a     m      T      h     e     o      d     o     r     e      L     e     s      i     a      M     o     n      i     c     a      I     s     a      b     e      l      l     e      M     a     r      i     s     o      l      T     e     r     e     s     a      F      i     a      l      k     a      F      l     o     r     e     n      t      E      d     w     a     r      d      S      t     e     p       h     a     n      T     a     m     a     r     a      T     e     o      f      i      l     a      J     o      h     n      L     u      b     o     m     y      r      M     a     r      t      h     a      M     y      r     o     n      J     o     a     c      h      i     m      T     e     o      f     a     n      K     a      l     y      n     a      F     a      b      i     a     n      S     a     v      i     n     a      F     r     a     n      k      M     a      t      t      h     e     w      J     a     c     o      b      S     a     n      t      i     a     g      o      S     a     n      d     r     a      S     o     p       h      i     a      M      i     c      h     a     e      l      i     n     a      T     e     o     n      A     n     n     a      S     a     m     u     e      l      E     u     g      e     n     e      M     a     r      k     o      J     e     r     e     m      i     a      h      L     e     o     n      H     e     r     m     a     n      I     s     a      d     o     r     e      S     a      l     o     m     e      S     y       l     v     e     s      t     e     r      M     a      k     s     y      m      B     e     r     n     a     r      d      M     a     x      i     m      i      l      l      i     a     n      G     a      b     r      i     e      l      H     e      l     e     n      L     o     u      i     s     e      H     e     n     r     y       M      i     n     a      M     a     r      t      i     n      J     e     r     v      i     s      M     a     r      k      i     a     n      M     a     y      a      L     e     o      M     a     r      i     a      S     a     r     a      h      S     e      b     a     s      t      i     a     n      M     a     g       d     a      l     y      n     a      S     u     s     a     n     n     a      F     e      l      i     x      H      i      l     a     r     y       L     a     w     r     e     n     c     e      M     a     r      i     a     n      F      l     a     v      i     a      J     u     s      t      i     n      F      l     o     r     a      M     a     r     g      a     r     e      t      M     a     u     r     a      M     y      r     o     s      l     a     v     a      L     e     o     n      i      d      M     e      l     a     n      i     a      E     u     g      e     n      i     a      S     y       l     v     a     n      J     u      d      i      t      h      L     a     r      i     s     s     a      J     o     s     e     p       h      M     e      t      h     o      d      i     u     s      H     a     n     n     a      h      M     y       k     y       t     a      M     y      r     o     s      l     a     v      X     a     v      i     e     r      M      i     c      h     a     e      l      L     e     o     n     a     r      d      T     e     o      f      i      l      I     s      i      d     o     r     e      E     v     a      L     o     u     r      d     e     s      M     a     r      i     a     n     n     a      E     m      i      l      i     a      J     o     s     e     p       h      i     n     e      P      h      i      l      i     p       E     u     n      i     c     e      F      l     o     r     e     n     c     e      M     a     r     c     e      l      M     a     r     y      n     a      S      t     e     p       h     a     n      i     a      0      1      0      2      0      3      0      4      0 Cluster Dendrogram for Solution HClust.1 Method=ward; Distance=euclidian Observation Number in Data Set Datos      H     e      i     g       h      t 

Upload: wsolera1

Post on 13-Apr-2018

226 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 1/8

William Solera Araya

urso: Métodos Exploratorios en Minería de Datos

area N# 4

espuesta N#1

A.  Grafico Jerarquía Binaria

B. 

Gráfico de la jerarquía binaria indicando con una línea dónde sería el corte si se quieren 3clústeres.

     F    e 

     d      i    r

     L    y  

     d      i    a 

     I    v    a     n

     I    r    e     n    e 

     E    v

     d     o 

     k     i    a 

     A     d     a     m

     T     h    e     o 

     d     o     r    e 

     L    e     s 

     i    a 

     M    o     n

     i    c     a 

     I    s     a 

     b     e 

     l     l    e 

     M    a     r     i    s     o 

     l

     T    e     r    e     s     a 

     F     i    a      l     k    a 

     F     l    o     r    e     n

     t 

     E     d     w    a     r     d 

     S      t     e     p  

     h    a     n

     T    a     m    a     r    a 

     T    e     o 

     f     i     l    a 

     J     o 

     h    n

     L    u 

     b     o     m    y      r

     M    a     r     t      h    a 

     M    y      r    o     n

     J     o     a     c 

     h     i    m

     T    e     o 

     f    a     n

     K    a 

     l    y      n    a 

     F    a 

     b      i    a     n

     S     a     v

     i    n    a 

     F    r    a     n

     k

     M    a 

     t      t      h    e     w

     J     a     c     o 

     b 

     S     a     n

     t      i    a     g      o 

     S     a     n

     d     r    a 

     S     o     p  

     h     i    a 

     M     i    c      h    a     e 

     l     i    n    a 

     T    e     o     n

     A    n    n    a 

     S     a     m    u     e 

     l

     E    u     g      e     n    e 

     M    a     r     k    o 

     J     e     r    e     m

     i    a      h

     L    e     o     n

     H    e     r    m    a     n

     I    s     a 

     d     o     r    e 

     S     a 

     l    o     m    e 

     S     y  

     l    v    e     s 

     t     e     r

     M    a 

     k    s     y      m

     B    e     r    n    a     r     d 

     M    a     x

     i    m     i     l     l     i    a     n

     G     a 

     b     r     i    e 

     l

     H    e 

     l    e     n

     L    o     u 

     i    s     e 

     H    e     n    r    y  

     M     i    n    a 

     M    a     r     t      i    n

     J     e     r    v

     i    s 

     M    a     r     k

     i    a     n

     M    a     y      a 

     L    e     o 

     M    a     r     i    a 

     S     a     r    a 

     h

     S     e 

     b     a     s 

     t      i    a     n

     M    a     g  

     d     a 

     l    y      n    a 

     S     u     s     a     n    n    a 

     F    e 

     l     i    x

     H     i     l    a     r    y  

     L    a     w    r    e     n    c     e 

     M    a     r     i    a     n

     F     l    a     v

     i    a 

     J     u     s 

     t      i    n

     F     l    o     r    a 

     M    a     r    g      a     r    e 

     t 

     M    a     u     r    a 

     M    y      r    o     s 

     l    a     v    a 

     L    e     o     n

     i     d 

     M    e 

     l    a     n

     i    a 

     E    u     g      e     n

     i    a 

     S     y  

     l    v    a     n

     J     u 

     d      i     t      h

     L    a     r     i    s     s     a 

     J     o     s     e     p  

     h

     M    e 

     t      h    o 

     d      i    u     s 

     H    a     n    n    a 

     h

     M    y  

     k    y  

     t     a 

     M    y      r    o     s 

     l    a     v

     X    a     v

     i    e     r

     M     i    c      h    a     e 

     l

     L    e     o     n    a     r     d 

     T    e     o 

     f     i     l

     I    s      i     d     o     r    e 

     E    v    a 

     L    o     u     r     d     e     s 

     M    a     r     i    a     n    n    a 

     E    m

     i     l     i    a 

     J     o     s     e     p  

     h     i    n    e 

     P     h     i     l     i    p  

     E    u     n

     i    c     e 

     F     l    o     r    e     n    c     e 

     M    a     r    c     e 

     l

     M    a     r    y      n    a 

     S      t     e     p  

     h    a     n

     i    a 

     0 

     1

     0 

     2     0 

     3      0 

     4     0 

Cluster Dendrogram for Solution HClust.1

Method=ward; Distance=euclidian

Observation Number in Data Set Datos

     H    e 

     i    g       h     t 

     F    e 

     d      i    r

     L    y  

     d      i    a 

     I    v    a     n

     I    r    e     n    e 

     E    v

     d     o 

     k     i    a 

     A     d     a     m

     T     h    e     o 

     d     o     r    e 

     L    e     s 

     i    a 

     M    o     n

     i    c     a 

     I    s     a 

     b     e 

     l     l    e 

     M    a     r     i    s     o 

     l

     T    e     r    e     s     a 

     F     i    a      l     k    a 

     F     l    o     r    e     n

     t 

     E     d     w    a     r     d 

     S      t     e     p  

     h    a     n

     T    a     m    a     r    a 

     T    e     o 

     f     i     l    a 

     J     o 

     h    n

     L    u 

     b     o     m    y      r

     M    a     r     t      h    a 

     M    y      r    o     n

     J     o     a     c 

     h     i    m

     T    e     o 

     f    a     n

     K    a 

     l    y      n    a 

     F    a 

     b      i    a     n

     S     a     v

     i    n    a 

     F    r    a     n

     k

     M    a 

     t      t      h    e     w

     J     a     c     o 

     b 

     S     a     n

     t      i    a     g      o 

     S     a     n

     d     r    a 

     S     o     p  

     h     i    a 

     M     i    c      h    a     e 

     l     i    n    a 

     T    e     o     n

     A    n    n    a 

     S     a     m    u     e 

     l

     E    u     g      e     n    e 

     M    a     r     k    o 

     J     e     r    e     m

     i    a      h

     L    e     o     n

     H    e     r    m    a     n

     I    s     a 

     d     o     r    e 

     S     a 

     l    o     m    e 

     S     y  

     l    v    e     s 

     t     e     r

     M    a 

     k    s     y      m

     B    e     r    n    a     r     d 

     M    a     x

     i    m     i     l     l     i    a     n

     G     a 

     b     r     i    e 

     l

     H    e 

     l    e     n

     L    o     u 

     i    s     e 

     H    e     n    r    y  

     M     i    n    a 

     M    a     r     t      i    n

     J     e     r    v

     i    s 

     M    a     r     k

     i    a     n

     M    a     y      a 

     L    e     o 

     M    a     r     i    a 

     S     a     r    a 

     h

     S     e 

     b     a     s 

     t      i    a     n

     M    a     g  

     d     a 

     l    y      n    a 

     S     u     s     a     n    n    a 

     F    e 

     l     i    x

     H     i     l    a     r    y  

     L    a     w    r    e     n    c     e 

     M    a     r     i    a     n

     F     l    a     v

     i    a 

     J     u     s 

     t      i    n

     F     l    o     r    a 

     M    a     r    g      a     r    e 

     t 

     M    a     u     r    a 

     M    y      r    o     s 

     l    a     v    a 

     L    e     o     n

     i     d 

     M    e 

     l    a     n

     i    a 

     E    u     g      e     n

     i    a 

     S     y  

     l    v    a     n

     J     u 

     d      i     t      h

     L    a     r     i    s     s     a 

     J     o     s     e     p  

     h

     M    e 

     t      h    o 

     d      i    u     s 

     H    a     n    n    a 

     h

     M    y  

     k    y  

     t     a 

     M    y      r    o     s 

     l    a     v

     X    a     v

     i    e     r

     M     i    c      h    a     e 

     l

     L    e     o     n    a     r     d 

     T    e     o 

     f     i     l

     I    s      i     d     o     r    e 

     E    v    a 

     L    o     u     r     d     e     s 

     M    a     r     i    a     n    n    a 

     E    m

     i     l     i    a 

     J     o     s     e     p  

     h     i    n    e 

     P     h     i     l     i    p  

     E    u     n

     i    c     e 

     F     l    o     r    e     n    c     e 

     M    a     r    c     e 

     l

     M    a     r    y      n    a 

     S      t     e     p  

     h    a     n

     i    a 

     0 

     1     0 

     2     0 

     3      0 

     4     0 

Cluster Dendrogram for Solution HClust.1

Method=ward; Distance=euclidian

Observation Number in Data Set Datos

     H    e 

     i    g       h     t 

Page 2: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 2/8

C. 

Centros de Gravedad

D. 

Interpretación Excel (Horizontal)

Este clúster se caracteriza porque las personas dieron

buenas calificaciones a las variables del Tamaño del

Paquete y a la Durabilidad.

Este clúster se caracteriza porque las personas dieronbuenas calificaciones a las variables del Tamaño del

Paquete y Durabilidad, pero también calificaron bien al

Número de Estrellas y el Valor Educativo 

ste clúster se caracteriza porque las personas calificaron

muy bien a las Durabilidad y también al Número de

Estrellas y el Valor educativo. 

3.73.5

2.5 2.5 2.4 2.32.0

1.3 1.

Indice

3.98 3.843.47 3.39

3.04 3.012.59

1.71 1

Indice 2

4.56

3.893.30

2.85 2.71 2.61 2.54 2.40

0

Indice 3

Page 3: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 3/8

nterpretación Horizontal Vertical

  Se observa que las personas que conforman el clúster 1 fueron las que calificaron mal la mayoría de las variab

comparación con los otros clústeres. Sería importante analizar estos clientes para conocer un poco más acerca

descontento. Sin embargo destacan con buena calificación las variables de Tamaño del paquete y Durabilidad.

  Las personas que conforman el clúster 2 se caracterizan porque calificaron bien las variables de Imagen del Producto, S

de Retorno, Tamaño del paquete y el Valor Educativo.

  Las personas que conforman el clúster 3 calificaron bien las variables de Calidad, Durabilidad, N Estrellas y Velocid

Entrega.

E. 

Recomendaciones de Productos

roductos para Teresa

  Teresa forma parte del clúster 1. Este clúster se caracteriza por calificar bien el Tamaño y la Durabilidad. Entonces a T

se le podría recomendar los productos que las personas de este clúster hayan adquirido y a los cuales dieron b

calificaciones en las variables anteriores.

  Debido a que las personas del clúster 2 también califican bien las variables del Tamaño y Durabilidad se podría recom

los productos de algunas personas e inclusive algunos productos de los clientes del clúster 3 que calificaron bien la va

de Durabilidad.

roductos para Leo

  Leo forma parte del clúster 2. Este clúster se caracteriza por calificar bien el Tamaño, Durabilidad, Valor educativo y N

de estrellas. Entonces a Leo se le podría recomendar los productos que las personas de este clúster hayan adquirido

cuales dieron buenas calificaciones en las variables anteriores.

  Se le podría recomendar los productos que las personas del clúster 1 calificaron bien en Tamaño y Durabilidad.

  Se le podría recomendar los productos que las personas del clúster 3 calificaron bien en Valor educativo, numero de

estrellas y valor educativo.

2.02

3.50

2.502.29

1.15

2.52

3.75

2.36

1.26

2.59

3.84

3.01

3.47

1.71

3.04

3.98

3.39

1.70

2.71

4.56

2.54

3.89

0.89

2.612.85

3.30

2

Calidad,Producto Durabilidad Imagen,Producto Numero,Estrellas Precio Servic io,Retorno Tamano,Paquete Valor,Educativo Velocidad,En

Interpretación Horizontal - Vertical

Indice 1 Indice 2 Indice 3

Page 4: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 4/8

roductos para Justin

  Justin forma parte del clúster 3. Se le podría recomendar los productos que las personas de este clúster calificaron bie

Durabilidad, Numero de estrellas y valor educativo.

  Se le podría recomendar productos de las personas del clúster 2, que calificaron bien la Durabilidad, Numero de estre

valor educativo.

  Se le podría recomendar algunos productos de las personas del clúster 1 buenos en durabilidad.

espuesta N#2

Page 5: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 5/8

espuesta N#3

n el Biplot de abajo se pueden obtener las siguientes interpretaciones acerca de los 3 clústeres:

  Clúster 1: tiene gran relación con las variables de Tamaño, Imagen, Precio, Servicio Retorno, Valor Educativo.

  Clúster 2: tiene relación con las variables de Tamaño y Durabilidad.

  Clúster 3: tiene relación con las variables de Durabilidad, Número de Estrellas y Velocidad de Entrega.

2.4

3.43.1 3.2

1.9

3.2

4.0

3.4

1.5

0.2

3.7

2.42.1

0.9

2.4

3.7

2.1

1.2

2.7

4.5

2.5

3.8

0.9

2.63.0

3.2

2

Interpretación Horizontal - Vertical

Grupo 1 Grupo 2 Grupo 3

Page 6: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 6/8

ecomendaciones para Teresa

  Teresa forma parte del clúster 1. Este grupo se caracteriza por calificar bien el Tamaño y la Durabilidad. Entonces a

se le podría recomendar los productos que las personas de este grupo hayan adquirido y a los cuales dieron b

calificaciones en las variables anteriores.

  La Durabilidad también desataca en el clúster 3, por lo que se le podrían recomendar productos con buenas calificacion

este grupo.

ecomendaciones para Leo

  Leo forma parte del clúster 1. Este clúster se caracteriza por calificar bien Tamaño, Imagen, Servicio Retorno, Valor Edu

Entonces a Leo se le podría recomendar los productos que las personas de este clúster hayan adquirido y los cuales

buenas calificaciones en las variables anteriores.

ecomendaciones para Justin

  Justin forma parte del clúster 3. Se le podría recomendar los productos que las personas de este clúster calificaron bie

Durabilidad, Numero de estrellas y valor educativo.

espuesta N#4

Dendograma K-Medias

Page 7: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 7/8

espuesta N#5

Page 8: Cluster K Means

7/25/2019 Cluster K Means

http://slidepdf.com/reader/full/cluster-k-means 8/8

espuesta N#6