K-means: Lățimile medii ale silhouette

Clustering-ul ierarhic a sugerat 3 clustere, iar metoda cotului indică 2. În acest exercițiu, folosește lățimile medii ale silhouette pentru a explora care ar trebui să fie valoarea „optimă" a lui k.

Acest exercițiu face parte din cursul

Analiza clusterelor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește map_dbl() pentru a rula pam() pe datele oes, pentru valori ale lui k cuprinse între 2 și 10, și extrage valoarea lățimii medii a silhouette din fiecare model: model$silinfo$avg.width. Stochează vectorul rezultat ca sil_width.
Construiește un nou data frame sil_df care să conțină valorile lui k și vectorul de lățimi medii ale silhouette.
Folosește valorile din sil_df pentru a reprezenta grafic un grafic de tip linie care să arate relația dintre k și lățimea medie a silhouette.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Use map_dbl to run many models with varying value of k
sil_width <- map_dbl(2:10,  function(k){
  model <- pam(___, k = ___)
  model$silinfo$avg.width
})

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

# Plot the relationship between k and sil_width
ggplot(___, aes(x = ___, y = ___)) +
  geom_line() +
  scale_x_continuous(breaks = 2:10)

Editează și rulează codul