Para esta tarea, me base a lo realizado en clase pero lo aplique sobre información que tenía sobre mi trabajo actual. Si bien, al inicio considere que sería fácil ya que tenía la información disponible, ha sido todo un reto ya que aprendí dsitintas cosas sobre Kmeans, como manejar bien los datos de entrada, etc.
Para la primera parte decidí usar Kmeans, como sabemos para esto se necesita que la info tenga datos numéricos por lo que tuve que modificar mi base de datos o input, eliminé algunas variables que en el trabajo no consideramos relevantes y al final nos quedamos con una información más limpia y adecuada para lo que querramos ver (Aún sé que tiene errores pero era ya un avance). Para esto creé un script en colab pero no lo ejecutaba ya que consumía mucha RAM por lo que decidí hacerlo en VSCODE, además segmentar el código en etapas, una para preparar los datos, la otra para ejecutar kmeans además del PCA y luego el reporte, aqui un pantallazo del código que use:
Consideraciones
- Este trabajo es meramente académico y busca aplicar lo aprendido en clase usando información de transmisiones de televisión en México.
- Al inicio pensaba obtener el número de clusters usando un método (codo) pero al tener la pericia del negocio decidí que los clusters debían ser 4, sin embargo, igual considero que debería aplicarse ese método.
- No trabajé toda la data junta, mi información tenía 2 grupos muy grandes, el cual son TVA Y TVP que corresponden a Television abierta y Televisión paga.
:
Por último, aquí les dejo la gráfica obtenida en Kmeans y PCA:
