शुरू करेंमुफ़्त में शुरू करें

क्लस्टर्स को विज़ुअलाइज़ करें

अब तक, हमारे पास ऑब्ज़र्वेशन को उन एलिप्सेस के साथ प्लॉट करने के लिए सब कुछ है जो क्लस्टर्स को दर्शाती हैं.

साथ ही, अगर हम हर ऑब्ज़र्वेशन को दो में से किसी एक क्लस्टर में असाइन करना चाहें, तो हम clusters() फंक्शन का उपयोग कर सकते हैं और रिज़ल्ट की तुलना वास्तविक लेबल्स से कर सकते हैं. याद दिलाने के लिए, जब हमने केवल Weight वैरिएबल का उपयोग करके डेटा को क्लस्टर किया था, तो हमने 4500 महिलाओं और 4556 पुरुषों की सही भविष्यवाणी की थी. आइए देखें कि क्या एक अतिरिक्त वैरिएबल जोड़ने पर हम क्लस्टर्स को बेहतर तरीके से अलग कर पाते हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Mixture Models

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Weight और BMI के लिए स्कैटरप्लॉट बनाने हेतु geom_point() का उपयोग करें. इस प्लॉट में geom_path() फंक्शन के साथ ellipses_comp_number में सेव की गई दो एलिप्सेस जोड़ें.
  • ध्यान रखें कि एलिप्सेस को data frame में ट्रांसफॉर्म किया जाना चाहिए.
  • क्लस्टर 1 को लाल और क्लस्टर 2 को नीला रंग दें.
  • वैरिएबल Gender में स्टोर किए गए वास्तविक लेबल्स के विरुद्ध clusters द्वारा अनुमानित प्रिडिक्टेड लेबल्स के लिए फ़्रीक्वेंसी टेबल निकालें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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))
कोड संपादित करें और चलाएँ