Hiyerarşik kümeleme: Keşfe hazırlık

Artık oes verileri için olası bir kümeleme oluşturdun; bu kümeleri ggplot2 ile keşfetmeden önce, her mesleğe ait küme bilgisinin atandığı, düzenli (tidy) bir veri çerçevesine dönüştürmek için oes veri matrisini işlemen gerekiyor.

Bu egzersiz, kursun bir parçasıdır

R ile Kümeleme Analizi

Kursa Göz Atın

Egzersiz talimatları

tibble kütüphanesindeki rownames_to_column() fonksiyonunu kullanarak satır adını bir sütun olarak sakladığından emin olacak şekilde, oes data.matrix'inden df_oes veri çerçevesini oluştur.
cutree() kullanarak, h = 100,000 ile küme atama vektörü cut_oes'u oluştur.
Küme atamalarını cluster adlı bir sütun olarak df_oes veri çerçevesine ekle ve sonucu clust_oes adlı yeni bir veri çerçevesi olarak kaydet.
Veriyi ggplot2 analizine uygun bir biçime dönüştürmek için tidyr() kütüphanesindeki pivot_longer() fonksiyonunu kullan ve düzenlenmiş veri çerçevesini gathered_oes olarak kaydet.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

dist_oes <- dist(oes, method = 'euclidean')
hc_oes <- hclust(dist_oes, method = 'average')

library(tibble)
library(tidyr)

# Use rownames_to_column to move the rownames into a column of the data frame
df_oes <- rownames_to_column(as.data.frame(___), var = 'occupation')

# Create a cluster assignment vector at h = 100,000
cut_oes <- cutree(___, h = ___)

# Generate the segmented oes data frame
clust_oes <- mutate(___, cluster = ___)

# Create a tidy data frame by gathering the year and values into two columns
gathered_oes <- pivot_longer(data = ___, 
                       cols = -c(occupation, cluster),
                       names_to = "year",               
                       values_to = "mean_salary" )

Kodu Düzenle ve Çalıştır