K-means: durchschnittliche Silhouettenbreiten

Also: Hierarchisches Clustering ergab 3 Cluster, und die Elbow-Methode schlägt 2 vor. In dieser Übung nutzt du durchschnittliche Silhouettenbreiten, um zu untersuchen, welcher Wert für k „am besten" ist.

Diese Übung ist Teil des Kurses

<Kurs>Clusteranalyse in R</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende map_dbl(), um pam() mit den oes-Daten für k-Werte von 2 bis 10 auszuführen und aus jedem Modell den Wert der durchschnittlichen Silhouettenbreite zu extrahieren: model$silinfo$avg.width. Speichere den resultierenden Vektor als sil_width.
Erstelle einen neuen Data Frame sil_df, der die k-Werte und den Vektor der durchschnittlichen Silhouettenbreiten enthält.
Verwende die Werte in sil_df, um ein Liniendiagramm zu zeichnen, das die Beziehung zwischen k und durchschnittlicher Silhouettenbreite zeigt.

Interaktive praktische Übung

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

# Use map_dbl to run many models with varying value of k
sil_width <- map_dbl(2:10,  function(k){
  model <- pam(___, k = ___)
  model$silinfo$avg.width
})

# Generate a data frame containing both k and sil_width
sil_df <- data.frame(
  k = ___,
  sil_width = ___
)

# Plot the relationship between k and sil_width
ggplot(___, aes(x = ___, y = ___)) +
  geom_line() +
  scale_x_continuous(breaks = 2:10)

Code bearbeiten und ausführen