🔍 ML No Supervisado

Análisis de correspondencias y clustering funcional

Dos problemas distintos: (1) analizar la percepción de marcas de café en atributos cualitativos (tabla de contingencia) sin variables numéricas; (2) agrupar series de temperatura en España por su patrón temporal anual, no por valores puntuales.

Problema

Solución

Análisis de Correspondencias (CA) con la librería prince para visualizar la asociación entre marcas y atributos en un mapa perceptual. Análisis de Datos Funcionales (FDA) con clustering funcional K-Means de scikit-fda para agrupar series de temperatura por su forma temporal.

Análisis de correspondencias — percepción de café

CA sobre tabla de contingencia: marcas × atributos (sabor, aroma, precio, packaging)
Mapa perceptual: marcas y atributos proyectados en el mismo espacio 2D
Inercia explicada por dimensión: análisis de varianza en el espacio de correspondencias
Interpretación: qué marcas se asocian con qué atributos según la percepción del consumidor

Clustering funcional — temperaturas en España

FDA con scikit-fda: representación de las series de temperatura como funciones continuas
K-Means funcional: agrupa estaciones por el perfil temporal completo de temperaturas anuales
Comparativa con K-Means tabular: diferencias en los clusters obtenidos tratando la serie como vector vs. función
Visualización de clusters funcionales: series de temperatura coloreadas por grupo climático

Análisis de correspondencias y clustering funcional

Problema

Solución

Análisis de correspondencias — percepción de café

Clustering funcional — temperaturas en España

Clustering de cereales con K-Means

Análisis PCA de vehículos