Visualiza los clústeres

Hasta ahora, ya tenemos todo lo necesario para representar las observaciones junto con las elipses que representan los clústeres.

Además, si queremos asignar cada observación a uno de los dos clústeres, podemos usar la función clusters() y comparar los resultados con las etiquetas reales. Recuerda que, cuando usamos solo la variable Weight para agrupar los datos, predijimos correctamente 4500 mujeres y 4556 hombres. Veamos si podemos separar mejor los clústeres al incorporar una variable adicional.

Este ejercicio forma parte del curso

Modelos de mezcla en R

Ver curso

Instrucciones del ejercicio

Usa geom_point() para crear el diagrama de dispersión de Weight y BMI. Añade a este gráfico las dos elipses guardadas en ellipses_comp_number con la función geom_path().
Ten en cuenta que las elipses deben transformarse en un data frame.
Colorea el clúster 1 en rojo y el clúster 2 en azul.
Calcula la tabla de frecuencias que compare las etiquetas reales almacenadas en la variable Gender con las predicciones estimadas por clusters.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Plot the ellipses
gender %>% 
  ggplot(aes(x = ___, y = ___)) + ___()+
  geom_path(data = data.frame(ellipse_comp_1), aes(x=x,y=y), col = "___") +
  geom_path(data = data.frame(ellipse_comp_2), aes(x=x,y=y), col = "___")
# Check the assignments
table(gender$Gender, clusters(fit_with_cov))

Editar y ejecutar código