K-means på en fotbollsplan (del 2)

I föregående övning använde du k-means-algoritmen för att klustra de två lagen från dataramen lineup. Den här gången ska vi utforska vad som händer när du använder ett k på 3.

Du kommer att se att algoritmen fortfarande körs – men ger det egentligen något meningsfullt resultat i det här sammanhanget…

Den här övningen är en del av kursen

Klusteranalys i R

Visa kurs

Övningsinstruktioner

Bygg en k-means-modell med namnet model_km3 för lineup-data med hjälp av funktionen kmeans() och argumentet centers = 3.
Extrahera vektorn med klustertilldelningar från modellen model_km3$cluster och spara den i variabeln clust_km3.
Lägg till klustertilldelningarna som en kolumn cluster i dataramen lineup och spara resultatet i en ny dataram med namnet lineup_km3.
Använd ggplot för att plotta varje spelares position på planen och färgkoda dem efter kluster.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Build a kmeans model
model_km3 <- ___

# Extract the cluster assignment vector from the kmeans model
clust_km3 <- ___

# Create a new data frame appending the cluster assignment
lineup_km3 <- ___

# Plot the positions of the players and color them using their cluster
ggplot(___, aes(x = ___, y = ___, color = factor(___))) +
  geom_point()

Redigera och kör kod