Page 24 - REVISTA CIENTIFICA EL MISIONERO DEL AGRO
P. 24
El Misionero del Agro
The Missionary of the Agro
Influencia de los bots sociales en la percepción de marcas de empresas Ecuatorianas
A continuación se detallan los pasos que se realizaron para presentar el árbol jerárquico de la
Figura 1:
Paso 1. > marcas2_kmean = kmeans(marcas2, 4)
Se importó el dataset con el archivo > marcas2_kmean$cluster
[1] 1 2 4 1 2 3 4 1 3 1 1 4 4 3 1 1 3 3 4 1 3 1 1 1
21413234431332321321421241
Paso 2.
Copiar el dataset en y Paso 4.
quitamos la columna. Unir el resultado obtenido con el dataset para
> marcas2 = marcas hacer el dendrograma.
> marcas2$Marca = NULL > marca_resultado = data.frame(marcas2,
marcas2_kmean$cluster)
Paso 3. > hc = hclust(dist(marcas2), method = “ave”)
Aplicar el comando kmeans para calcular > plot(hc, hang=-1,labels=marcas$Marca,
cuales filas van en el cluster, por lo tanto xlab = “Marcas Twitter”)
usamos 4 para el número de clúster ya que > rect.hclust(hc, k=4)
vimos anteriormente que era el número > groups <- cutree(hc, k=4)
óptimo.
RESULTADOS
De tal manera se obtuvo como resultado el siguiente gráfico que representa el dendrograma
obtenido con un muestreo y agrupación en 4 clusters. Como se muestra en la Figura 1.
Figura 1. Dendrograma obtenido con las cuentas de las 50 marcas ecuatorianas con mayor presencia en el Twitter
mediante el programa RStudio que utiliza el lenguaje de estadísticas R
24 Autora: Ing. Elke Jacqueline Yerovi Ricaurte, MSc.
Coautores: Ing. Pablo Andrés Calderón Castro; Ing. Mariuxi Ileana Tejada Castro
The Missionary of the Agro
Influencia de los bots sociales en la percepción de marcas de empresas Ecuatorianas
A continuación se detallan los pasos que se realizaron para presentar el árbol jerárquico de la
Figura 1:
Paso 1. > marcas2_kmean = kmeans(marcas2, 4)
Se importó el dataset
21413234431332321321421241
Paso 2.
Copiar el dataset
quitamos la columna
> marcas2 = marcas hacer el dendrograma.
> marcas2$Marca = NULL > marca_resultado = data.frame(marcas2,
marcas2_kmean$cluster)
Paso 3. > hc = hclust(dist(marcas2), method = “ave”)
Aplicar el comando kmeans para calcular > plot(hc, hang=-1,labels=marcas$Marca,
cuales filas van en el cluster, por lo tanto xlab = “Marcas Twitter”)
usamos 4 para el número de clúster ya que > rect.hclust(hc, k=4)
vimos anteriormente que era el número > groups <- cutree(hc, k=4)
óptimo.
RESULTADOS
De tal manera se obtuvo como resultado el siguiente gráfico que representa el dendrograma
obtenido con un muestreo y agrupación en 4 clusters. Como se muestra en la Figura 1.
Figura 1. Dendrograma obtenido con las cuentas de las 50 marcas ecuatorianas con mayor presencia en el Twitter
mediante el programa RStudio que utiliza el lenguaje de estadísticas R
24 Autora: Ing. Elke Jacqueline Yerovi Ricaurte, MSc.
Coautores: Ing. Pablo Andrés Calderón Castro; Ing. Mariuxi Ileana Tejada Castro
