K-means auf dem Fußballfeld (Teil 2)

In der vorherigen Übung hast du den k-means-Algorithmus erfolgreich genutzt, um die beiden Teams aus dem Data Frame lineup zu clustern. Dieses Mal schauen wir, was passiert, wenn du ein k von 3 verwendest.

Du wirst sehen, dass der Algorithmus weiterhin läuft – aber ergibt das in diesem Kontext überhaupt Sinn…

Diese Übung ist Teil des Kurses

<Kurs>Clusteranalyse in R</Kurs>

Kurs ansehen

Übungsanweisungen

Erstelle mit der Funktion kmeans() ein K-means-Modell namens model_km3 für die lineup-Daten mit centers = 3.
Extrahiere den Vektor der Cluster-Zuordnungen aus dem Modell model_km3$cluster und speichere ihn in der Variable clust_km3.
Hänge die Cluster-Zuordnungen als Spalte cluster an den Data Frame lineup an und speichere das Ergebnis in einem neuen Data Frame namens lineup_km3.
Verwende ggplot, um die Positionen jeder Spielerin/jedes Spielers auf dem Feld zu plotten und färbe sie nach ihrem Cluster ein.

Interaktive praktische Übung

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

# 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()

Code bearbeiten und ausführen