Mai multe valori K, mai multe modele

Deși setul de date lineup are o valoare k cunoscută, de multe ori numărul optim de clustere nu este cunoscut dinainte și trebuie estimat.

În acest exercițiu vei folosi map_dbl() din biblioteca purrr pentru a rula k-means cu valori ale lui k de la 1 la 10 și pentru a extrage metrica suma totală a pătratelor din interiorul clusterelor din fiecare model. Acesta va fi primul pas spre vizualizarea graficului cotului.

Acest exercițiu face parte din cursul

Analiza clusterelor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește map_dbl() pentru a rula kmeans() pe datele lineup, cu valori ale lui k de la 1 la 10, și extrage valoarea sumei totale a pătratelor din interiorul clusterelor din fiecare model: model$tot.withinss. Salvează vectorul rezultat ca tot_withinss.
Construiește un nou cadru de date, elbow_df, care să conțină valorile lui k și vectorul sumei totale a pătratelor din interiorul clusterelor.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

library(purrr)

# Use map_dbl to run many models with varying value of k (centers)
tot_withinss <- map_dbl(1:10,  function(k){
  model <- kmeans(x = ___, centers = ___)
  model$tot.withinss
})

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

Editează și rulează codul