Visualiser et interpréter les résultats de kmeans()

L’une des façons les plus intuitives d’interpréter les résultats d’un modèle k-means consiste à tracer les données en nuage de points et à utiliser la couleur pour indiquer l’appartenance des échantillons à un cluster. Dans cet exercice, vous allez utiliser la fonction standard plot() pour cela.

Pour créer un nuage de points, vous pouvez passer à plot() des données avec deux variables (c.-à-d. des colonnes) en ajoutant l’argument col = km.out$cluster, qui définit la couleur de chaque point en fonction de son cluster.

Cet exercice fait partie du cours

Apprentissage non supervisé en R

Afficher le cours

Instructions

x et km.out sont disponibles dans votre espace de travail. En utilisant la fonction plot() pour créer un nuage de points des données x :

Colorez les points du nuage en définissant l’argument col sur le composant cluster de km.out.
Donnez au graphique le titre "k-means with 3 clusters" via l’argument main de plot().
Assurez-vous qu’il n’y a pas de légendes d’axes en précisant "" pour les arguments xlab et ylab de plot().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Scatter plot of x

Modifier et exécuter le code