Upload New File

k-medias.py

+import pandas as pd
+from sklearn.cluster import KMeans
+from sklearn.preprocessing import StandardScaler
+import matplotlib.pyplot as plt
+
+# Cargar el archivo CSV
+df = pd.read_csv('datos_normalizados.csv')
+
+# Seleccionar las columnas de interés
+columnas_de_interes = ['cpu', 'cpus', 'diskread', 'diskwrite', 'maxmem', 'mem', 'netin', 'netout']  # Reemplaza con tus columnas reales
+datos = df[columnas_de_interes]
+
+# Estandarizar las características
+scaler = StandardScaler()
+datos_escalados = scaler.fit_transform(datos)
+
+# Realizar el análisis de conglomerados k-medias
+k = 9  # Número de conglomerados, reemplaza con el número adecuado
+modelo_kmeans = KMeans(n_clusters=k, random_state=42)
+modelo_kmeans.fit(datos_escalados)
+
+# Calcular los centroides
+centroides = modelo_kmeans.cluster_centers_
+centroides_desescalados = scaler.inverse_transform(centroides)
+
+# Guardar los centroides en un archivo CSV
+centroides_df = pd.DataFrame(centroides_desescalados, columns=columnas_de_interes)
+centroides_df.to_csv('centroides_2.csv', index=False)
+print('Los centroides se han guardado en "centroides.csv".')
+
+# Calcular y guardar el porcentaje de peso de cada conglomerado
+conteo_clusters = pd.value_counts(modelo_kmeans.labels_, sort=False)
+pesos_clusters = conteo_clusters / len(df) * 100  # Porcentaje de cada cluster
+pesos_clusters_df = pd.DataFrame(pesos_clusters).reset_index()
+pesos_clusters_df.columns = ['Cluster', 'Porcentaje']
+pesos_clusters_df.to_csv('pesos_clusters.csv', index=False)
+print('Los porcentajes de peso de cada conglomerado se han guardado en "pesos_clusters.csv".')
+