Informe Completo de Análisis de Clustering

1. Resumen del Modelo

Se ha utilizado el algoritmo DBSCAN con eps=8.956 y min_samples=28. El dataset contiene 99912 registros.

Distribución de clusters:

• Cluster 0: 36140 registros (36.17%)
• Cluster 1: 63772 registros (63.83%)

2. Evaluación del Modelo

Métrica	Valor

3. Perfiles de Cluster

Cluster 0

Cluster 0 (36140 clientes, 36.2% del total):
- LAST_VISIT_DAYS: 362.55 (52.8% menor que la media global)
- VEHICLE_AGE: 3.64 (25.3% menor que la media global)
- CURRENT_MILEAGE: 43090.32 (3.4% menor que la media global)
- BRAND: predomina 'MARCA_A' (53.5%)
- LANGUAGE: predomina 'ESP' (85.1%)
- GENDER: predomina 'HOMBRE' (60.7%)
- COMUNIDAD_AUTONOMA: predomina 'Comunidad de Madrid' (19.1%)
- CAR_MODEL: predomina 'MODELO_B' (26.6%)
- FUEL: predomina 'GASOLINA' (74.1%)
- VEHICLE_AGE_RANGE: predomina '1' (34.7%)

Cluster 1

Cluster 1 (63772 clientes, 63.8% del total):
- LAST_VISIT_DAYS: 999.00 (29.9% mayor que la media global)
- VEHICLE_AGE: 5.57 (14.4% mayor que la media global)
- CURRENT_MILEAGE: 45747.07 (2.5% mayor que la media global)
- BRAND: predomina 'MARCA_B' (55.0%)
- LANGUAGE: predomina 'ESP' (87.1%)
- GENDER: predomina 'HOMBRE' (61.3%)
- COMUNIDAD_AUTONOMA: predomina 'Andalucía' (21.1%)
- CAR_MODEL: predomina 'MODELO_B' (29.6%)
- FUEL: predomina 'GASOLINA' (57.9%)
- VEHICLE_AGE_RANGE: predomina '3' (56.3%)

4. Visualizaciones

Las siguientes visualizaciones muestran las relaciones entre diferentes variables por cluster.