Bir futbol sahasında K-means (bölüm 2)

Önceki egzersizde, lineup veri çerçevesindeki iki takımı kümelemek için k-means algoritmasını başarıyla kullandın. Bu kez, k değerini 3 aldığında neler olduğuna bakalım.

Algoritmanın yine çalıştığını göreceksin, peki bu bağlamda gerçekten mantıklı mı…

Bu egzersiz, kursun bir parçasıdır

R ile Kümeleme Analizi

Kursa Göz Atın

Egzersiz talimatları

lineup verisi için centers = 3 ile kmeans() fonksiyonunu kullanarak model_km3 adlı bir k-means modeli kur.
Modelden küme atamalarının vektörünü model_km3$cluster ile çıkar ve bunu clust_km3 değişkenine kaydet.
Küme atamalarını cluster adlı bir sütun olarak lineup veri çerçevesine ekle ve sonucu lineup_km3 adlı yeni bir veri çerçevesine kaydet.
Sahadaki her oyuncunun pozisyonlarını ggplot ile çiz ve noktaları kümelerine göre renklendir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Build a kmeans model
model_km3 <- ___

# Extract the cluster assignment vector from the kmeans model
clust_km3 <- ___

# Create a new data frame appending the cluster assignment
lineup_km3 <- ___

# Plot the positions of the players and color them using their cluster
ggplot(___, aes(x = ___, y = ___, color = factor(___))) +
  geom_point()

Kodu Düzenle ve Çalıştır