เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

แสดงภาพกลุ่มคลัสเตอร์

ถึงตอนนี้เรามีทุกสิ่งที่จำเป็นสำหรับการพล็อตข้อมูลสังเกตการณ์พร้อมกับวงรีที่แสดงแทนแต่ละคลัสเตอร์แล้ว

นอกจากนี้ หากต้องการกำหนดให้แต่ละการสังเกตการณ์อยู่ในคลัสเตอร์ใดคลัสเตอร์หนึ่งจากทั้งสอง สามารถใช้ฟังก์ชัน clusters() แล้วเปรียบเทียบผลลัพธ์กับป้ายกำกับจริง ขอย้ำว่าเมื่อใช้เพียงตัวแปร Weight ในการจัดกลุ่ม เราทำนายได้ถูกต้องว่ามี 4500 คนเป็นเพศหญิงและ 4556 คนเป็นเพศชาย มาดูกันว่าการเพิ่มตัวแปรอีกหนึ่งตัวจะช่วยแยกคลัสเตอร์ได้ดีขึ้นหรือไม่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Mixture Models ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ geom_point() เพื่อสร้าง scatterplot ของ Weight และ BMI จากนั้นเพิ่มวงรีทั้งสองที่บันทึกไว้ใน ellipses_comp_number ลงในพล็อตด้วยฟังก์ชัน geom_path()
  • ควรแปลงวงรีให้อยู่ในรูปแบบ data frame ก่อนใช้งาน
  • กำหนดสีของคลัสเตอร์ที่ 1 เป็นสีแดง และคลัสเตอร์ที่ 2 เป็นสีน้ำเงิน
  • สร้างตารางความถี่เปรียบเทียบป้ายกำกับจริงที่เก็บอยู่ในตัวแปร Gender กับผลการทำนายที่ได้จาก clusters

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Plot the ellipses
gender %>% 
  ggplot(aes(x = ___, y = ___)) + ___()+
  geom_path(data = data.frame(ellipse_comp_1), aes(x=x,y=y), col = "___") +
  geom_path(data = data.frame(ellipse_comp_2), aes(x=x,y=y), col = "___")
# Check the assignments
table(gender$Gender, clusters(fit_with_cov))
แก้ไขและรันโค้ด