Comparer kmeans() et hclust()
En comparant k-means et le regroupement hiérarchique, vous verrez que les deux méthodes produisent des appartenances à des groupes différentes. C'est parce que les deux algorithmes font des hypothèses différentes sur la façon dont les données sont générées. Dans un cours plus avancé, on pourrait choisir un modèle plutôt qu'un autre selon la qualité de ces hypothèses, mais pour l'instant, il suffit de constater qu'ils diffèrent.
Dans cet exercice, vous comparerez les résultats des deux modèles sur le jeu de données pokemon pour voir en quoi ils se distinguent.
Cette activité fait partie du cours
Apprentissage non supervisé en R
Instructions de l’exercice
Les résultats de l'exécution de k-means sur les données pokemon (pour 3 groupes) sont enregistrés dans km.pokemon. Le modèle de regroupement hiérarchique que vous avez créé à l'exercice précédent est toujours disponible sous hclust.pokemon.
- À l'aide de
cutree()surhclust.pokemon, attribuez un groupe à chaque observation. Supposez trois groupes et assignez le résultat à un vecteur nommécut.pokemon. - Avec
table(), comparez l'appartenance aux groupes entre les deux méthodes de regroupement. Rappelez-vous que les différents composants des objets de modèle k-means sont accessibles avec l'opérateur$.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Apply cutree() to hclust.pokemon: cut.pokemon
# Compare methods
table(___, ___)