Después de practicar K-means con datos ficticios, ahora puedes aplicarlo a un conjunto de datos del mundo real: el conjunto de datos de vino. Los conjuntos de datos reales presentan complejidades como estructuras de clúster poco claras y escalas de características variables, lo que ofrece un desafío de agrupamiento más práctico.

Utilizarás la función datasets.load_wine() para cargar este conjunto de datos. El conjunto de datos de vino contiene varios atributos de diferentes vinos. Nuestro objetivo es ver si K-means puede descubrir clústeres que reflejen similitudes entre vinos basadas en estos atributos.

Los datos del mundo real a menudo requieren preprocesamiento. Puede ser necesario realizar escalado de características para asegurar que todas las características contribuyan por igual a los cálculos de distancia en K-means.

Para encontrar el número óptimo de clústeres, nuevamente utilizarás:

• Método WSS: analiza el gráfico de codo para un rango de valores de K. Los codos pueden ser menos evidentes en datos reales;

• Método de puntuación Silhouette: examina el gráfico Silhouette y los puntajes promedio para encontrar el mejor K. Los puntajes pueden ser más variables que con datos ficticios.

Las visualizaciones son clave para comprender los resultados:

• Graficar 3 características seleccionadas en un gráfico 3D del vino nos permite inspeccionar visualmente la distribución de los datos en un espacio de características reducido, sin utilizar reducción de dimensionalidad;

• Gráfico WSS para identificar el codo;

• Gráfico Silhouette para la calidad de los clústeres.

Clústeres de K-means visualizados en el gráfico 3D de 3 características de los datos de vino, mostrando las asignaciones de clúster dentro de este espacio de características reducido.