Análise de silhueta

A análise de silhueta permite calcular o quão semelhante cada observação é ao cluster ao qual foi atribuída em relação aos outros clusters. Essa métrica (largura da silhueta) varia de -1 a 1 para cada observação nos seus dados e pode ser interpretada da seguinte forma:

Valores próximos de 1 sugerem que a observação está bem ajustada ao cluster atribuído
Valores próximos de 0 sugerem que a observação está na fronteira entre dois clusters
Valores próximos de -1 sugerem que a observação pode ter sido atribuída ao cluster errado

Neste exercício, você vai usar as funções pam() e silhouette() da biblioteca cluster para realizar a análise de silhueta e comparar os resultados de modelos com k igual a 2 e k igual a 3. Você continuará trabalhando com o conjunto de dados lineup.

Preste bastante atenção ao gráfico de silhueta: cada observação pertence claramente ao cluster atribuído para k = 3?

Este exercicio faz parte do curso

Análise de Clusters em R

Ver curso

Instruções do exercicio

Gere um modelo de k-means pam_k2 usando pam() com k = 2 nos dados lineup.
Plote a análise de silhueta usando plot(silhouette(model)).
Repita os dois primeiros passos para k = 3, salvando o modelo como pam_k3.
Antes de prosseguir, revise as diferenças entre os gráficos (especialmente a observação 3) para pam_k3.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

library(cluster)

# Generate a k-means model using the pam() function with a k = 2
pam_k2 <- pam(___, k = ___)

# Plot the silhouette visual for the pam_k2 model
plot(silhouette(___))

# Generate a k-means model using the pam() function with a k = 3
pam_k3 <- ___

# Plot the silhouette visual for the pam_k3 model

Editar e Executar Código