F1 Driver Clustering

Este proyecto aplica técnicas de clustering (aprendizaje no supervisado) para agrupar pilotos de Fórmula 1 según su rendimiento histórico.

📊 Variables utilizadas

• total_points: Total de puntos acumulados
• avg_position: Posición promedio en carrera (menor = mejor)
• total_wins: Cantidad de victorias
• races_count: Cantidad de carreras disputadas

Todos los datos son normalizados y se eliminan outliers antes del análisis.

---

🧠 Técnica utilizada

Se utiliza el algoritmo KMeans para agrupar pilotos en 3 clusters. Los nombres de los grupos se asignan automáticamente según el rendimiento promedio:

• 🟢 Top Tier: Pilotos con alto puntaje, buenas posiciones y muchas carreras.
• 🟡 Midfield: Rendimiento intermedio.
• 🟣 Backmarkers: Bajo puntaje y posiciones lejanas.

---

📈 Visualizaciones

• Gráfico estático con matplotlib donde el tamaño de los puntos es proporcional a la cantidad de carreras (races_count).
• Gráfico interactivo con Plotly donde podés ver nombre, puntos, victorias, y carreras al pasar el mouse.

---

🗂️ Archivos generados

• 📊 output/driver_clusters.xlsx: contiene todos los pilotos con sus métricas y cluster asignado.
• 📋 Resumen por consola: promedio de métricas por grupo.

---

🚀 Instrucciones

1. Clonar el repositorio
2. Configurar las variables en el archivo .env
3. Ejecutar:

python src/clustering.py