Compararea kmeans() și hclust()

Comparând k-means cu clustering-ul ierarhic, vei observa că cele două metode produc apartenența la clustere diferite. Acest lucru se întâmplă deoarece cei doi algoritmi fac ipoteze diferite despre modul în care sunt generate datele. Într-un curs mai avansat, am putea alege un model față de altul pe baza calității ipotezelor, dar pentru moment este suficient să observăm că rezultatele diferă.

În acest exercițiu vei compara rezultatele celor două modele pe setul de date pokemon pentru a vedea cum diferă.

Acest exercițiu face parte din cursul

Învățare nesupervizată în R

Vezi cursul

Instrucțiuni pentru exercițiu

Rezultatele rulării algoritmului k-means pe datele pokemon (pentru 3 clustere) sunt stocate în km.pokemon. Modelul de clustering ierarhic pe care l-ai creat în exercițiul anterior este în continuare disponibil ca hclust.pokemon.

Folosind cutree() pe hclust.pokemon, atribuie apartenența la cluster fiecărei observații. Presupune trei clustere și atribuie rezultatul unui vector numit cut.pokemon.
Folosind table(), compară apartenența la cluster între cele două metode de clustering. Reține că diferitele componente ale obiectelor model k-means pot fi accesate cu operatorul $.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Apply cutree() to hclust.pokemon: cut.pokemon


# Compare methods
table(___, ___)

Editează și rulează codul