K-means: armbågskurveanalys

I de föregående övningarna använde du dendrogrammet för att föreslå en klustring med 3 träd. I den här övningen använder du k-means armbågskurva för att föreslå det "bästa" antalet kluster.

Den här övningen är en del av kursen

Klusteranalys i R

Visa kurs

Övningsinstruktioner

Använd map_dbl() för att köra kmeans() på oes-data med k-värden från 1 till 10, och extrahera värdet för total within-cluster sum of squares från varje modell: model$tot.withinss. Spara den resulterande vektorn som tot_withinss.
Bygg en ny dataram elbow_df som innehåller värdena för k och vektorn med total within-cluster sum of squares.
Använd värdena i elbow_df för att rita ett linjediagram som visar sambandet mellan k och total within-cluster sum of squares.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 = ___
)

# Plot the elbow plot
ggplot(elbow_df, aes(x = ___, y = ___)) +
  geom_line() +
  scale_x_continuous(breaks = 1:10)

Redigera och kör kod