Ticket #1618: EndesaPrimas_CLARA_Clustering.tol

//////////////////////////////////////////////////////////////////////////////
// FILE :  EndesaPrimas_CLARA_Clustering.tol
// PURPOSE : Extracción datos y cluster CLARA
//////////////////////////////////////////////////////////////////////////////

// Parámetros
////Base de datos
Real DBOpen( "PrjEndesaPRIMas" , "endesa", "end!101."); 
////Tabla de muestra
Text nombre_tabla_muestra = "vmc_cliente_cluster_v2"; 

//Extracción de los datos
//Se crea la query
Text query =
   "select ccliente,
      case when avg_vpotppal_3M = 0 then 0 else ln(avg_vpotppal_3M) end as vpotppal,
      qt_contrat_3M,
      pc_imp_mora_3M,
      qt_obl_mora_3M,
      qt_imp_medio_3M,
      case when qt_dias_recencia_3m is null then 0 else ln(qt_dias_recencia_3m) 
        end as qt_dias_recencia_3m  ,
      sum_dias_mora_3M,
      avg_dias_mora_3M
    from " + nombre_tabla_muestra   
;
WriteLn("La query que extrae la muestra es:
  "+query);

//Se extrae la información
Matrix Original_data = Matrix DBMatrix(query);
Matrix Var_cluster = SubCol(Original_data, [[2,3,4,5,6,7]]);

//////////////////////////////////////////////////////////////////////////////
//Función que extrae los estadísticos de una matriz
//////////////////////////////////////////////////////////////////////////////
Set Matrix_Stadistic (Matrix mat){
  For(1, Columns(mat), Set (Real x){
    Matrix vector = SubCol(mat, [[x]]);
    Real Media = MatAvr(vector);
    Real Desv_est = MatStDs(vector);
    Real Varianza = MatVar(vector);
    Real Maximo = MatMax(vector);
    Real Minimo = MatMin(vector);
    Real Mediana = MatMedian(vector);
    Set Estadísticos = [[Media, Desv_est, Varianza, Maximo, Minimo, Mediana]];
    Eval("Set Stadistics_var_"+FormatReal(x)+" = Estadísticos")
  })
};

//////////////////////////////////////////////////////////////////////////////
//Transformación de las variables
//////////////////////////////////////////////////////////////////////////////


Matrix var = SubCol(Var_cluster, [[4]]);
Set var_stadistic = Matrix_Stadistic(var);
Matrix var_trans = RProd(var-var_stadistic[1][1],var_stadistic[1][2]);


Matrix Var_cluster_trans = ConcatColumns(SubCol(Var_cluster, [[2,3]]),
  var_trans,SubCol(Var_cluster, [[5,6]]));



//////////////////////////////////////////////////////////////////////////////
//Clustering
//////////////////////////////////////////////////////////////////////////////
#Require Rcluster;

Real Cantidad_clusters = 4;
Real Cantidad_variables = 6;

Set Clara_cluster = 
  Rcluster::CLARA::Run(Var_cluster, Cantidad_clusters, [[ Real verbose = True ]]);

Matrix Cluster_Asignment = 
  ConcatColumns(Clara_cluster["assignment"],Var_cluster);

//Cálculo de las estadísticas de las variables de cada cluster
Set Cluster_Stadistics = For(1, Cantidad_clusters, Set (Real x){
  Set stadistics = Matrix_Stadistic(
    Matrix SubCol(
      SetMat(
        Select(MatSet(Cluster_Asignment), Real(Set se){
          Real se[1] == x
        })
      ), Range(2, Cantidad_variables+1,1)
    )
  );
  Eval("Set Stadistics_cluster_"+FormatReal(x)+" = stadistics")
});

//Variables de los representantes (medoides)
Matrix Medoides_vars = SubRow(Var_cluster,
  Set BinGroup("<<",MatSet(Clara_cluster["representative"])));

//Tamaño de cada cluster
Set Tamaño_Cluster = For(1, Cantidad_clusters, Real (Real x){
        Real dim_cluster = Card(
          Select(MatSet(Cluster_Asignment), Real(Set se){
            Real se[1] == x
          })
        );
    Eval("Real dim_cluster_"+FormatReal(x)+" = dim_cluster")
});

Real Stop;