Auswirkungen der Skalierung

Du hast gelernt, dass eine Variable, die auf einer größeren Skala als andere Variablen in deinen Daten gemessen wird, den berechneten Abstand zwischen deinen Beobachtungen überproportional beeinflussen kann. Lass uns das in Aktion sehen, indem wir eine Stichprobe aus dem Datensatz trees betrachten.

Du nutzt die Funktion scale(), die standardmäßig die Spaltenmerkmale zentriert und skaliert.

Unsere Variablen sind:

Girth – Baumdurchmesser in Zoll
Height – Baumhöhe in Zoll

Diese Übung ist Teil des Kurses

<Kurs>Clusteranalyse in R</Kurs>

Kurs ansehen

Übungsanweisungen

Berechne die Distanzmatrix für den Data Frame three_trees und speichere sie als dist_trees.
Erstelle eine neue Variable scaled_three_trees, in der die Daten aus three_trees zentriert und skaliert sind.
Berechne und gib die Distanzmatrix für scaled_three_trees aus und speichere sie als dist_scaled_trees.
Gib sowohl die Matrizen dist_trees als auch dist_scaled_trees aus und beobachte, wie sich ändert, welche Beobachtungen in den beiden Matrizen den kleinsten Abstand haben (Hinweis: Sie haben sich geändert).

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Calculate distance for three_trees 
dist_trees <- ___

# Scale three trees & calculate the distance  
scaled_three_trees <- ___
dist_scaled_trees <- ___

# Output the results of both Matrices
print('Without Scaling')
___

print('With Scaling')
___

Code bearbeiten und ausführen