Aprendizaje No Supervisado – Clustering de Países

Proyecto de aprendizaje no supervisado que aplica K-Means y PCA para segmentar 167 países según sus indicadores socioeconómicos y de salud, con el objetivo de identificar los países más necesitados e informar la estrategia de inversión humanitaria de la Fundación Ortega.

---

Descripción del problema

Amancio Ortega quiere dejar un legado y ha contactado con el IES de Teis para que le ayudemos a identificar los países más necesitados del mundo. A partir de un dataset con información socioeconómica y sanitaria de 167 países, aplicamos técnicas de clustering no supervisado para categorizarlos y ayudar a la Fundación Ortega a decidir dónde abrir hospitales, escuelas y comedores sociales.

---

Dataset

El dataset contiene 167 países y 9 variables numéricas, sin ningún valor nulo:

Variable	Descripción
mort_inf	Nº de niños menores de 5 años muertos por cada 1.000 nacimientos
exportaciones	Exportaciones de bienes y servicios per cápita (% del PIB)
salud	Gasto total en salud per cápita (% del PIB)
importaciones	Importaciones de bienes y servicios per cápita (% del PIB)
ingresos	Ingresos netos por persona
inflacion	Tasa de crecimiento anual del PIB total
esp_vida	Esperanza de vida promedio al nacer
num_hijos	Número medio de hijos por mujer
pib	PIB per cápita

---

Algoritmos utilizados

• K-Means — algoritmo principal de clustering, con k=3 determinado mediante el Método del Codo y el Silhouette Score.
• PCA (Análisis de Componentes Principales) — reducción de dimensionalidad de 9 a 5 componentes, conservando el 94.5% de la varianza.

---

Etapas del proyecto

1. Importación del dataset y análisis inicial
2. EDA: distribuciones, correlaciones y detección de outliers
3. Preprocesado: estandarización con StandardScaler
4. Determinación del k óptimo (Elbow + Silhouette)
5. Entrenamiento del modelo K-Means final (k=3)
6. Análisis de componentes principales (PCA)
7. Visualización 2D de los clústeres
8. Visualización geográfica con GeoPandas
9. Conclusiones e informe para la Fundación Ortega

---

Resultados

El modelo identifica tres grupos de países con perfiles claramente diferenciados:

Clúster	Perfil	Nº países	Mortalidad inf.	Esperanza de vida	PIB/hab	Prioridad
Clúster 1	Desarrollados	~50	~5‰	~80 años	~42.000$	Sin intervención
Clúster 0	En desarrollo	~70	~22‰	~72 años	~6.500$	Intervención secundaria
Clúster 2	Subdesarrollados	~47	~95‰	~59 años	~1.800$	Prioridad máxima

La recomendación principal es que la Fundación Ortega concentre sus recursos en el Clúster 2, formado principalmente por países del África Subsahariana, donde la mortalidad infantil es 19 veces mayor que en los países desarrollados y la esperanza de vida es 21 años inferior.

El mapa mundial generado con GeoPandas muestra la distribución geográfica de los tres clústeres:

---

Instalación y uso

1. Clona el repositorio

git clone https://github.com/Tresssco/Unsupervised-Learning-Country-Clustering.git
cd Unsupervised-Learning-Country-Clustering

2. Crea un entorno virtual

python -m venv venv
source venv/bin/activate        # Linux/Mac
venv\Scripts\activate           # Windows

3. Instala las dependencias

pip install -r requirements.txt

4. Ejecuta el notebook

jupyter notebook notebook.ipynb

---

Tecnologías

• Python 3.x
• Pandas / NumPy
• Scikit-learn
• Matplotlib / Seaborn
• GeoPandas
• Jupyter Notebook

---

Autor

Jorge Escolano González
IES de Teis — Vigo
Módulo: Machine Learning