NbClust: Un paquete de R para determinar el número relevante de grupos en un conjunto de datos

La agrupación es la partición de un conjunto de objetos en grupos (clusters) de tal manera que los objetos dentro de un grupo son más similares entre sí que los objetos en diferentes grupos. La mayoría de los algoritmos de agrupación dependen de ciertas suposiciones para definir los subgrupos presentes en un conjunto de datos. Como consecuencia, el esquema de agrupación resultante requiere algún tipo de evaluación en cuanto a su validez. El procedimiento de evaluación debe abordar problemas difíciles, como la calidad de los grupos, el grado en que un esquema de agrupación se ajusta a un conjunto de datos específico y el número óptimo de grupos en una partición. En la literatura, se han propuesto una amplia variedad de índices para encontrar el número óptimo de grupos en una partición de un conjunto de datos durante el proceso de agrupación. Sin embargo, para la mayoría de los índices propuestos en la literatura, no hay programas disponibles para probar estos índices y compararlos. El paquete de R NbClust ha sido desarrollado con ese propósito. Proporciona 30 índices que determinan el número de grupos en un conjunto de datos y también ofrece el mejor esquema de agrupación a partir de diferentes resultados al usuario. Además, proporciona una función para realizar agrupación k-means y jerárquica con diferentes medidas de distancia y métodos de agregación. Cualquier combinación de índices de validación y métodos de agrupación se puede solicitar en una única llamada de función. Esto permite al usuario evaluar simultáneamente varios esquemas de agrupación mientras varía el número de grupos, para ayudar a determinar el número más apropiado de grupos para el conjunto de datos de interés.