Análisis de clustering o conglomerados

[@cangre8677]

Waoo que calidad de profesor, tanto que me hace dudar si mis profesores de maestría son los que necesito después de ver esta explicación tan espectacular. Felicitaciones.

[@andresvinueza1992]

Excelente, he pasado viendo con pausas el video por casi dos dias intentando implementar el razonamiento en mi investigacion. Te agradezco muchisimo.

[@fernandoheracleo9594]

Dr.Omar gracias por tan genial video, me ha servido mucho para aplicar cluster de una manera clara! Felicidades!

[@ksonib]

Excelente video y la explicación. Bendiciones.

[@CarlosEscobardelPozo72]

Excelente clase Fernando, vivo en Madrid. Si tuviera un profesor como tu, entendería mucho mejor esto, del mundo del análisis de datos.

[@giovannidaza2458]

Tremenda presentación, imposible hacerlo más claro.

[@Luis-fx8jz]

estoy trabajando con clúster conceptuales, entonces mis variables son del tipo binario (1 y 0) y categóricas. En este escenario, que tipo de análisis clúster seria mas recomendable? Jacquard por ejemplo?

[@aldoyactayo05]

Estimado Dr Omar, en qué casos se debe utilizar el clustering por K-medias o el jerárquico? Me pareció entender que para variables continuas se utiliza clustering por K-medias. Si es asi, cómo seria en el caso de clustering jerárquico? Muchísimas gracias y felicitaciones por su valioso aporte en la formación de los investigadores.

[@esnaydermunoz686]

Para aplicar la normalización o estandarización hay que tener en cuenta los supesto de normalidad

[@marlonedy55]

Gracias por compartir tus conocimientos. Podrías realizar un vídeo sobre Análisis de Redundancia Canónica... Saludos desde 🇪🇨🙋‍♂️

[@OmarBelloChavolla]

Anotado, con gusto lo programamos!

[@marlonedy55]

Muchas gracias estimado @@OmarBelloChavolla 👏👏

[@fpejavier]

Puedo hacer clusters con valores < 0, se puede hacer agrupamiento no supervisado con valores negativos?

[@esnaydermunoz686]

DONDE PODEMOS OBTENER LA DATA PARA PRACTICAR?, SALUDOS ES EL MEJOR QUE CONOZCO EN ESTO.

[@miguelangeldosantos8199]

Buenas noches tengo algunas dudas, ¿cuándo tengo variables dummy (0 y 1), también se estandarizan? ¿cuando el clúster tiene variables categóricas que se hace? Muchas gracias

[@antoniocaicedobaltodano6724]

Hola Omar. Te comento que realicé el análisis completo para saber el número de clusters, y resulta que si lo hago con mi base de datos de 1700 filas en 19 variables, realiza el análisis, pero cuando hago el promedio, para que queden 25 filas que corresponden a 25 especies en 19 variables, me sale error. Este error: "Error in NbClust(dbb, distance = "euclidean", min.nc = 2, max.nc = 9, : The TSS matrix is indefinite. There must be too many missing values. The index cannot be calculated." Qué quiere decir esto?, algunos índices no permiten evaluación si los datos no tienen un mínimo?

[@danielbenitesespinoza1168]

Muy bueno! He visto el 50% de los video y es de calidad! Cual es la instución donde enseña?

[@miguelangeldosantos8199]

En escenario, ademas de que la DS sea igual a 1, la media también sea igual a 0, para el PCA y el Cluster.

[@fgutierp1]

Buen día Omar. Execelente video. Por favor me puedes orientar con que librería en python podría evaluar el número de cluster y la estabilidad de los mismos que me han entregado los métodos del codo y silueta como lo haces con R. Gracias.

[@daron98]

41:36 Me recuerda a teoría de gráficas (Árbol generador).

[@judithalejandra2859]

he puesto todo el codigo tal cual y me ha marcado error en el metodo de codo, me marca error en kmeans que porque debe llevar un argumento... podrian ayudarme por favor?

[@fernandoquiros3272]

es posible que me puedas compartir el código para fines de práctica

[@jluiszaratecastrejon]

Que padre clase. ¿Da curso o diplomados? Gracias Dr. Omar.

[@eduardomedina5081]

Hola Omar, primero agradecerte por tu excelente clase, he aprendido mucho de ella!. Tengo ahora una consulta, tengo unos datos que son mixtos (cuanti, cuali, ordinales). Según estuve leyendo deberia usar la distancia de gower y como método UPGMA. Cuando corro NbClust me sale error ya que al parecer solo trabaja con matrices numéricas. Sabrás algun ejemplo sobre datos mixtos?. Saludos

[@OmarBelloChavolla]

Hola Eduardo, gracias por tu comentario. Te paso un artículo de metodologías para datos mixtos en R, ojalá te sea de utilidad! dpmartin42.github.io/posts/r/cluster-mixed-types

[@nathaliamontserratcastillo6549]

Hola Omar, gracias por tus videos, he tenido un acercamiento con R, sin embargo, aún tengo problemas. Quisiera saber si das asesorías particulares. Gracias

[@OmarBelloChavolla]

Hola Natalia! Sí, claro. Por favor enviame un correo a [e-mail]

[@AmeliaDN1]

Hola Omar, muchas felicidades por esta clase y sobretodo muchas gracias por compartirla para todos . Tengo una duda en el codigo por ejemplo en la linea 76 dice Kmeans=(BI, Krange=3, seed=123) el "BI" es alguna función, intente correr ese codigo para un analisis de cluster que estoy haciendo pero ahi me marca error. Te agradezco si me pudieras dar alguna respuesta. Saludos

[@OmarBelloChavolla]

Muchas gracias por tu comentario, disculpa el retraso de mi respuesta BI es el dataftame con el que trabajas dentro del análisis. Va a variar según el dataftame que tengas. Saludos!

[@fabianmoreno1067]

Profesor, quisiera preguntarle como hacer en caso de que la matriz tenga datos faltantes (NA). Ahora estoy haciendo un análisis de cluster siguiendo paso a paso lo que usted ensena, pero tengo datos faltantes y no se bien que hacer. Tal vez me podría dar una sugerencia por favor?

[@OmarBelloChavolla]

Hola Fabián! Podrías intentar una imputación simple con el paquete mice. Si tus datos se llaman por ejemplo data puedes intentar el siguiente código para hacer una imputación simple en el código library(mice) set.seed(123);imp

[@fabianmoreno1067]

@@OmarBelloChavolla Hola, profesor! Gracias por la sugerencia. Ya estoy trabajando en ello, pero es muy demorado. Tengo una matriz (16x8760), y no corrió. Después la dividi para hacerlo por secciones (16x1095), pero se demora más o menos 1h y 30 min por variable. Gracias, profesor!