K-means: Elbow-analyse

In de vorige oefeningen gebruikte je het dendrogram om een clustering met 3 groepen voor te stellen. In deze oefening gebruik je de k-means elbow-plot om het "beste" aantal clusters te bepalen.

Deze oefening maakt deel uit van de cursus

Clusteranalyse in R

Bekijk cursus

Oefeninstructies

Gebruik map_dbl() om kmeans() uit te voeren op de oes-gegevens voor k-waarden van 1 tot en met 10 en haal uit elk model de waarde van de totale som van kwadraten binnen clusters op: model$tot.withinss. Sla de resulterende vector op als tot_withinss.
Maak een nieuw data frame elbow_df met de k-waarden en de vector met de totale som van kwadraten binnen clusters.
Gebruik de waarden in elbow_df om een lijngrafiek te maken die de relatie toont tussen k en de totale som van kwadraten binnen clusters.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Use map_dbl to run many models with varying value of k (centers)
tot_withinss <- map_dbl(1:10,  function(k){
  model <- kmeans(x = ___, centers = ___)
  model$tot.withinss
})

# Generate a data frame containing both k and tot_withinss
elbow_df <- data.frame(
  k = ___,
  tot_withinss = ___
)

# Plot the elbow plot
ggplot(elbow_df, aes(x = ___, y = ___)) +
  geom_line() +
  scale_x_continuous(breaks = 1:10)

Code bewerken en uitvoeren