K-means pada lapangan sepak bola (bagian 2)

Pada latihan sebelumnya, Anda berhasil menggunakan algoritma k-means untuk mengelompokkan dua tim dari data frame lineup. Kali ini, mari kita telusuri apa yang terjadi ketika Anda menggunakan k bernilai 3.

Anda akan melihat bahwa algoritma tetap berjalan, tetapi apakah hal itu benar-benar masuk akal dalam konteks ini…

Latihan ini adalah bagian dari kursus

Analisis Klaster di R

Lihat Kursus

Petunjuk latihan

Bangun model k-means bernama model_km3 untuk data lineup menggunakan fungsi kmeans() dengan centers = 3.
Ekstrak vektor penugasan klaster dari model model_km3$cluster dan simpan ke dalam variabel clust_km3.
Tambahkan penugasan klaster sebagai kolom cluster ke data frame lineup dan simpan hasilnya ke data frame baru bernama lineup_km3.
Gunakan ggplot untuk memplot posisi setiap pemain di lapangan dan warnai berdasarkan klasternya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Build a kmeans model
model_km3 <- ___

# Extract the cluster assignment vector from the kmeans model
clust_km3 <- ___

# Create a new data frame appending the cluster assignment
lineup_km3 <- ___

# Plot the positions of the players and color them using their cluster
ggplot(___, aes(x = ___, y = ___, color = factor(___))) +
  geom_point()

Edit dan Jalankan Kode