Clustering con KMeans

Tu tarea es aplicar el algoritmo KMeans para agrupar un conjunto de datos de vinos con diferentes características. El objetivo es identificar clústeres naturales en el conjunto de datos y analizar la separación entre estos grupos.

Carga del conjunto de datos: Usa el conjunto de datos 'wine' disponible en Scikit Learn. Este conjunto contiene tres tipos de vinos con sus respectivas características químicas.

Preprocesamiento: Escala las características del conjunto de datos para asegurar que todas contribuyan de manera uniforme al clustering.

Implementación de KMeans:

• Utiliza KMeans para agrupar los datos en tres clústeres.
• Asegúrate de establecer la semilla de aleatoriedad en 42 para reproducibilidad.

Evaluación:

• Calcula e imprime la inercia del modelo.
• Calcula y muestra el coeficiente de silueta promedio para evaluar la calidad del clustering.

Visualización:

• Reduce las dimensionalidad de los datos a dos dimensiones usando PCA para facilitar la visualización.
• Muestra un gráfico de dispersión de los dos componentes principales coloreado por clúster.

Comparación:

• Imprime cuántos vinos pertenecen a cada clúster.