Cuadro estadístico

Capítulo 11. Agrupación en Tableau

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

A menudo, te encontrarás en queriendo comprender mejor cómo se relacionan las cosas entre sí. ¿Qué grupos de productos se venden bien cuando se combinan? ¿Cómo debería dirigirme a determinados grupos de clientes? ¿Hay anomalías en mis datos? Si te planteas este tipo de preguntas, la agrupación es un modelo estupendo para empezar a encontrar respuestas. El objetivo principal de la agrupación es dividir un conjunto de datos en subgrupos o clusters. Los modelos lo consiguen particionando los datos de modo que los puntos de datos de un cluster sean más similares entre sí que los puntos de datos de otro cluster.

Hay muchos modelos de agrupación diferentes, cada uno con sus pros y sus contras. En Tableau, el algoritmo incorporado para la agrupación se llama k-means. K-means es un modelo muy utilizado que proporciona un enfoque automatizado para agrupar datos. A diferencia de los otros modelos de regresión, k-means también es un modelo no supervisado, lo que significa que no se supone que este modelo tenga una distribución normal.

En este capítulo, aprenderás cómo funciona el modelo k-means, la diferencia entre modelos supervisados y no supervisados, y cómo implementar k-means en Tableau.

¿Qué es la agrupación de K-Means?

La agrupación de K-means es una técnica versátil y no supervisada de que puede aplicarse a diversos ámbitos y problemas. ...