Hierarchiczne grupowanie danych z analizy przypadku
Celem tego ćwiczenia jest wykonanie hierarchicznego grupowania obserwacji. Przypomnij sobie z rozdziału 2., że ten typ grupowania nie zakłada z góry liczby naturalnych grup w danych.
Jako część przygotowań do grupowania hierarchicznego obliczane są odległości między wszystkimi parami obserwacji. Istnieją też różne sposoby łączenia skupień – najczęściej stosuje się metody single, complete oraz average.
To ćwiczenie jest częścią kursu
Uczenie nienadzorowane w R
Instrukcje do ćwiczenia
Zmienne utworzone wcześniej – wisc.data, diagnosis, wisc.pr oraz pve – są dostępne w twoim środowisku pracy.
- Wyskaluj dane
wisc.datai przypisz wynik dodata.scaled. - Oblicz odległości (euklidesowe) między wszystkimi parami obserwacji w nowym wyskalowanym zbiorze danych i przypisz wynik do
data.dist. - Utwórz hierarchiczny model grupowania z metodą complete linkage. Ręcznie podaj argument
methodfunkcjihclust()i przypisz wynik dowisc.hclust.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Scale the wisc.data data: data.scaled
# Calculate the (Euclidean) distances: data.dist
# Create a hierarchical clustering model: wisc.hclust