Aantal clusters kiezen

In deze oefening vergelijk je de resultaten van je hiërarchische clusteringmodel met de echte diagnoses. Normaal gesproken is bij dit soort unsupervised learning geen doelvariabele beschikbaar. In deze gegevensset hebben we die wel, waardoor we de prestaties van het clusteringmodel kunnen controleren.

Bij supervised learning — dus wanneer je een interessante doelvariabele wilt voorspellen en die variabele in de oorspronkelijke data aanwezig is — kan het maken van nieuwe features met clustering de prestaties van het uiteindelijke model wel of niet verbeteren. Deze oefening helpt je bepalen of hiërarchische clustering in dit geval een veelbelovende nieuwe feature oplevert.