Effecten van schaal

Je hebt geleerd dat wanneer een variabele op een grotere schaal staat dan andere variabelen in je gegevens, deze de berekende afstand tussen je observaties onevenredig kan beïnvloeden. Laten we dit in de praktijk bekijken met een steekproef uit de trees-gegevensset.

Je gebruikt de functie scale() die standaard onze kolomkenmerken centreert en schaalt.

Onze variabelen zijn:

Girth - boomdiameter in inches
Height - boomhoogte in inches

Deze oefening maakt deel uit van de cursus

Clusteranalyse in R

Bekijk cursus

Oefeninstructies

Bereken de afstandsmatrix voor de data frame three_trees en sla die op als dist_trees.
Maak een nieuwe variabele scaled_three_trees waarin de gegevens uit three_trees gecentreerd en geschaald zijn.
Bereken en print de afstandsmatrix voor scaled_three_trees en sla deze op als dist_scaled_trees.
Geef zowel de matrices dist_trees als dist_scaled_trees weer en kijk welke observaties de kleinste afstand hebben. Let op de verandering tussen de twee matrices (hint: ze zijn veranderd).

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Calculate distance for three_trees 
dist_trees <- ___

# Scale three trees & calculate the distance  
scaled_three_trees <- ___
dist_scaled_trees <- ___

# Output the results of both Matrices
print('Without Scaling')
___

print('With Scaling')
___

Code bewerken en uitvoeren