Hierarkisk klustring av falldata

Målet med den här övningen är att utföra hierarkisk klustring av observationerna. Som du minns från kapitel 2 förutsätter den här typen av klustring inte i förväg hur många naturliga grupper som finns i datan.

Som förberedelse inför hierarkisk klustring beräknas avstånden mellan alla par av observationer. Det finns också olika sätt att länka kluster till varandra – single, complete och average är de vanligaste länkningsmetoderna.

Den här övningen är en del av kursen

Oövervakad inlärning i R

Visa kurs

Övningsinstruktioner

Variablerna du skapade tidigare, wisc.data, diagnosis, wisc.pr och pve, finns tillgängliga i din arbetsyta.

Skala datan i wisc.data och tilldela resultatet till data.scaled.
Beräkna de (euklidiska) avstånden mellan alla par av observationer i den nya skalade datamängden och tilldela resultatet till data.dist.
Skapa en hierarkisk klustringsmodell med complete linkage. Ange argumentet method manuellt i hclust() och tilldela resultatet till wisc.hclust.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Scale the wisc.data data: data.scaled


# Calculate the (Euclidean) distances: data.dist


# Create a hierarchical clustering model: wisc.hclust

Redigera och kör kod