K-means op een voetbalveld (deel 2)

In de vorige oefening heb je met succes het k-means-algoritme gebruikt om de twee teams uit het lineup-dataframe te clusteren. Laten we nu verkennen wat er gebeurt als je een k van 3 gebruikt.

Je zult zien dat het algoritme nog steeds draait, maar is dat in deze context eigenlijk logisch…

Deze oefening maakt deel uit van de cursus

Clusteranalyse in R

Bekijk cursus

Oefeninstructies

Bouw een k-meansmodel model_km3 voor de lineup-gegevens met de functie kmeans() en centers = 3.
Haal de vector met cluster-toewijzingen uit het model via model_km3$cluster en sla die op in de variabele clust_km3.
Voeg de cluster-toewijzingen als kolom cluster toe aan het lineup-dataframe en sla het resultaat op in een nieuw dataframe lineup_km3.
Gebruik ggplot om de posities van elke speler op het veld te plotten en kleur ze op basis van hun cluster.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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()

Code bewerken en uitvoeren