Pipeline Algorítmico y Metodología de Modelado
Esquema integral de las etapas computacionales aplicadas en DataHacks: desde la ingesta de telemetría y eventos brutos hasta la inferencia dimensional y validación matemática de clústeres.
Diagrama de Flujo del Pipeline (4 Etapas Consecutivas)
Preprocesamiento y Normalización
Limpieza de valores nulos, filtrado por umbral de minutos jugados (>600 min) y escalado estandarizado Z-Score para equiparar magnitudes.
Análisis de Componentes Principales
Descomposición en valores singulares (SVD) de la matriz de covarianza. Proyección ortogonal que preserva más del 70% de la varianza total.
Segmentación No Supervisada K-Means
Optimización del número de agrupaciones mediante el Método del Codo y Coeficiente de Silueta. Convergencia por distancia euclidiana mínima.
Evaluación & Despliegue en UI
Cálculo de métricas Davies-Bouldin, interpretación funcional de centroides con expertos de dominio y serialización JSON para renderizado web.
Determinación del Hiperparámetro k Óptimo
Para evitar el sobreajuste o la subsegmentación arbitraria, el pipeline ejecuta una búsqueda exhaustiva evaluando la inercia intra-clúster (Within-Cluster Sum of Squares, WCSS) frente al número de centroides candidatos k ∈ [2, 10].
El punto de inflexión del codo se contrasta rigurosamente con el Coeficiente de Silueta medio, seleccionando k=3 o k=4 según la familia posicional analizada (defensas, volantes o delanteros).