การวิเคราะห์ Silhouette

การวิเคราะห์ Silhouette ช่วยให้คำนวณได้ว่าแต่ละ observation มีความใกล้เคียงกับคลัสเตอร์ที่ถูกกำหนดให้มากเพียงใด เมื่อเทียบกับคลัสเตอร์อื่น ค่าเมตริกนี้ (silhouette width) จะอยู่ในช่วง -1 ถึง 1 สำหรับแต่ละ observation และแปลความหมายได้ดังนี้:

ค่าใกล้ 1 บ่งชี้ว่า observation นั้นอยู่ในคลัสเตอร์ที่เหมาะสมมาก
ค่าใกล้ 0 บ่งชี้ว่า observation นั้นอยู่กึ่งกลางระหว่างสองคลัสเตอร์
ค่าใกล้ -1 บ่งชี้ว่า observation นั้นอาจถูกจัดอยู่ในคลัสเตอร์ที่ไม่ถูกต้อง

ในแบบฝึกหัดนี้ จะใช้ฟังก์ชัน pam() และ silhouette() จากไลบรารี cluster เพื่อทำการวิเคราะห์ Silhouette สำหรับเปรียบเทียบผลลัพธ์ของโมเดลที่มี k เท่ากับ 2 และ k เท่ากับ 3 โดยยังคงทำงานกับชุดข้อมูล lineup ต่อไป

สังเกต Silhouette plot อย่างละเอียด — แต่ละ observation อยู่ในคลัสเตอร์ที่ถูกกำหนดอย่างชัดเจนหรือไม่ สำหรับ k = 3?

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์กลุ่มข้อมูลใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้างโมเดล k-means ชื่อ pam_k2 โดยใช้ pam() กำหนด k = 2 กับข้อมูล lineup
พล็อตผลการวิเคราะห์ Silhouette ด้วย plot(silhouette(model))
ทำซ้ำสองขั้นตอนแรกสำหรับ k = 3 โดยบันทึกโมเดลเป็น pam_k3
ตรวจสอบความแตกต่างระหว่าง plot ทั้งสองก่อนดำเนินการต่อ (โดยเฉพาะ observation 3) สำหรับ pam_k3

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

แก้ไขและรันโค้ด