🔍 Aprendizaje No Supervisado

📌 Descripción

En este trabajo se aplican técnicas de aprendizaje no supervisado para analizar datos sin variable objetivo, buscando segmentaciones relevantes.

🧪 Metodología

• Análisis exploratorio
• Normalización de variables
• Aplicación de algoritmos de clustering
• Evaluación de agrupamientos

💻 Código Utilizado

# Normalización de variables
data.scaled <- scale(mtcars)

# K-means clustering
set.seed(123)
kmeans.result <- kmeans(data.scaled, centers = 3)

# Visualización de clusters
kmeans.result$cluster
    

📊 Resultados

• Identificación de 3 clusters con características diferenciadas
• Segmentación clara según potencia, peso y consumo
• Utilidad para análisis exploratorio y segmentación