Silhuettanalys

Med silhuettanalys kan du beräkna hur väl varje observation stämmer överens med det kluster den tilldelats, jämfört med övriga kluster. Det här måttet (silhuettbredd) varierar från -1 till 1 för varje observation i dina data och tolkas på följande sätt:

Värden nära 1 tyder på att observationen passar bra i det tilldelade klustret
Värden nära 0 tyder på att observationen befinner sig i gränszonen mellan två kluster
Värden nära -1 tyder på att observationen kan ha tilldelats fel kluster

I den här övningen använder du funktionerna pam() och silhouette() från biblioteket cluster för att utföra silhuettanalys och jämföra resultaten från modeller med k = 2 och k = 3. Du fortsätter att arbeta med datamängden lineup.

Studera silhuettdiagrammet noggrant – tillhör varje observation tydligt sitt tilldelade kluster för k = 3?

Den här övningen är en del av kursen

Klusteranalys i R

Visa kurs

Övningsinstruktioner

Skapa en k-means-modell pam_k2 med pam() och k = 2 på data från lineup.
Visualisera silhuettanalysen med plot(silhouette(model)).
Upprepa de två första stegen för k = 3 och spara modellen som pam_k3.
Se till att granska skillnaderna mellan diagrammen innan du går vidare (särskilt observation 3) för pam_k3.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

library(cluster)

# Generate a k-means model using the pam() function with a k = 2
pam_k2 <- pam(___, k = ___)

# Plot the silhouette visual for the pam_k2 model
plot(silhouette(___))

# Generate a k-means model using the pam() function with a k = 3
pam_k3 <- ___

# Plot the silhouette visual for the pam_k3 model

Redigera och kör kod