K-means en un campo de fútbol (parte 2)

En el ejercicio anterior, usaste con éxito el algoritmo de k-means para agrupar a los dos equipos del data frame lineup. Esta vez, vamos a explorar qué ocurre cuando usas un k de 3.

Verás que el algoritmo sigue ejecutándose, pero ¿tiene sentido en este contexto…

Este ejercicio forma parte del curso

Análisis de clústeres en R

Ver curso

Instrucciones del ejercicio

Crea un modelo de k-means llamado model_km3 para los datos de lineup usando la función kmeans() con centers = 3.
Extrae el vector de asignaciones de clúster del modelo model_km3$cluster y guárdalo en la variable clust_km3.
Añade las asignaciones de clúster como una columna cluster al data frame lineup y guarda el resultado en un nuevo data frame llamado lineup_km3.
Usa ggplot para representar las posiciones de cada jugador en el campo y coloréalas según su clúster.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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()

Editar y ejecutar código