Miércoles: los primeros segmentos con K-Means

## Miércoles, 9:45. Por fin se agrupa

Dos días preparando el terreno y hoy llega lo que esperabas: dejar que el algoritmo encuentre los grupos. Tienes la tabla de features limpia, una fila por cliente, con el consumo total, los ratios de franja, el pico y el factor de fin de semana. Rosalía te ha vuelto a escribir esta mañana —«¿ya tienes mis tres grupos? 🙏»— y Baltasar te ha dejado una nota más tranquila: «prueba a agrupar, mira cuántos grupos aguantan, y mañana lo revisamos juntos con calma». Hoy haces el camino natural, el que haría cualquiera: coger las features tal como están y pasárselas a K-Means. Es exactamente lo que vas a hacer, y es exactamente donde empieza la historia del jueves.

Antes de tocar nada conviene recordar qué hace K-Means por dentro, porque de ahí sale todo. Le dices cuántos grupos quieres (la k). El algoritmo coloca k "centros" al azar, asigna cada cliente al centro que le queda más cerca, recoloca cada centro en el medio de los clientes que le tocaron, y repite hasta que la cosa deja de moverse. La palabra clave es "cerca": K-Means mide la distancia de cada cliente a cada centro. Y la distancia la calcula sumando, feature a feature, las diferencias al cuadrado. Guárdate esa frase —"K-Means mide con distancias"—, porque es la bisagra de todo el caso: una feature que se mueve en números grandes pesa en esa distancia muchísimo más que una que se mueve entre 0 y 1.

## ¿Cuántos grupos? El criterio, no la corazonada

K-Means necesita que le digas la k, y ahí está la tentación: Rosalía dice "tres" con mucha seguridad. Pero el número de grupos es una decisión del dato, no del stakeholder. Hay dos herramientas para elegirla, y las vas a usar en serio mañana, con las features ya bien tratadas. El método del codo mira cuánto "aprieta" el modelo cada grupo (la inercia: la suma de distancias de cada cliente a su centro) y busca el punto donde añadir un grupo más ya casi no mejora, el codo de la curva. La silueta mide, para cada cliente, cómo de cerca está de su grupo frente a cómo de cerca está del grupo vecino: va de -1 a 1, y cuanto más alta, más compactos y separados están los grupos.

Así que el plan de hoy es deliberadamente ingenuo, y lo es a propósito: agrupar con k=4 sobre las features numéricas tal cual, mirar la silueta, perfilar los grupos y ponerles un nombre provisional. Es lo que haría cualquiera con prisa y sin el ojo entrenado de Baltasar. El resultado va a ser entusiasmante. La lección de verdad es qué haces con ese entusiasmo mañana.

Un último apunte antes de agrupar, para que no te pille desprevenido lo que vas a ver al perfilar. Cuando mires la media de cada feature por grupo, los cuatro grupos van a caer alineados a lo largo del consumo, como cuatro escalones de volumen crecientes (del orden de 85, 110, 136 y 175 kWh). Y los ratios de franja —noche, tarde, día— van a estar casi iguales en los cuatro. Esa estampa, cuatro bandas de consumo y los ratios planos, es la huella de un modelo que agrupa por volumen. Fíjate en que las bandas están además muy juntas (de 85 a 175, no hay "gigantes" ni "enanos"): el consumo total de la gente de LuzClara es bastante parecido, así que partirlos por volumen es partir casi por ruido. Hoy vas a producir esa estampa sin querer; aprende a reconocerla, porque es la pista que mañana destapa todo.