Visualizar e interpretar los resultados de kmeans()
Una de las formas más intuitivas de interpretar los resultados de modelos k-means es representar los datos en un diagrama de dispersión y usar el color para indicar a qué clúster pertenece cada muestra. En este ejercicio, usarás la función estándar plot() para hacerlo.
Para crear un diagrama de dispersión, puedes pasar a plot() datos con dos características (es decir, columnas) junto con el argumento extra col = km.out$cluster, que establece el color de cada punto según su pertenencia al clúster.
Este ejercicio forma parte del curso
Unsupervised Learning in R
Instrucciones del ejercicio
x y km.out están disponibles en tu espacio de trabajo. Usando la función plot() para crear un diagrama de dispersión de los datos x:
- Colorea los puntos del diagrama de dispersión estableciendo el argumento
colal componenteclusterenkm.out. - Pon el título del gráfico
"k-means with 3 clusters"usando el argumentomaindeplot(). - Asegúrate de que no haya etiquetas de ejes especificando
""tanto para los argumentosxlabcomoylabdeplot().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Scatter plot of x