UD2 · Sesión 6 de 12
PCA y segmentación accionable
Modelos de Aprendizaje Automático · Modelos no supervisados · 15 h teóricas / 20 h prácticas
Por qué importa
PCA comprime la variabilidad, no la utilidad: la componente que más varianza explica puede no ser la que el negocio necesita mirar.
La reducción de dimensionalidad entra en un proyecto de segmentación por dos vías: comprimir variables correlacionadas antes de agrupar y representar los grupos en un plano que la dirección pueda leer. Una segmentación solo se convierte en decisión cuando cada grupo tiene un nombre, un tamaño y una acción comercial distinta de la de los demás.
Al terminar esta sesión sabrás
- Reducir la dimensionalidad con PCA conservando la señal relevante.
- Interpretar componentes, cargas y varianza explicada.
- Traducir una segmentación en segmentos accionables para el negocio.