K-means na fotbalovém hřišti (část 2)

V předchozím cvičení jsi úspěšně použil/a algoritmus k-means ke shlukování dvou týmů z datového rámce lineup. Teď se podíváme, co se stane, když použiješ k rovné 3.

Uvidíš, že algoritmus poběží i nadále – ale dává to v tomto kontextu vůbec smysl…

Toto cvičení je součástí kurzu

Cluster Analysis v R

Zobrazit kurz

Pokyny k cvičení

Vytvoř model k-means s názvem model_km3 pro data lineup pomocí funkce kmeans() s parametrem centers = 3.
Z modelu model_km3$cluster získej vektor přiřazení shluků a ulož ho do proměnné clust_km3.
Přidej přiřazení shluků jako sloupec cluster do datového rámce lineup a výsledek ulož do nového datového rámce lineup_km3.
Pomocí ggplot vykresli pozice hráčů na hřišti a obarvi je podle jejich shluku.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Build a kmeans model
model_km3 <- ___

# Extract the cluster assignment vector from the kmeans model
clust_km3 <- ___

# Create a new data frame appending the cluster assignment
lineup_km3 <- ___

# Plot the positions of the players and color them using their cluster
ggplot(___, aes(x = ___, y = ___, color = factor(___))) +
  geom_point()

Upravit a spustit kód