Çok K, çok model

lineup veri kümesinin k değeri açık olsa da, çoğu zaman en uygun küme sayısı bilinmez ve tahmin edilmesi gerekir.

Bu egzersizde purrr kütüphanesindeki map_dbl() fonksiyonunu kullanarak k-means'i k değerleri 1'den 10'a kadar çalıştıracak ve her birinden küme içi kareler toplamı ölçütünü çıkaracaksın. Bu, dirsek grafiğini görselleştirmeye giden ilk adım olacak.

Bu egzersiz, kursun bir parçasıdır

R ile Kümeleme Analizi

Kursa Göz Atın

Egzersiz talimatları

map_dbl() kullanarak kmeans()'i lineup verisi üzerinde k değerleri 1'den 10'a kadar çalıştır ve her modelden küme içi kareler toplamı değerini çıkar: model$tot.withinss. Ortaya çıkan vektörü tot_withinss olarak sakla.
k değerlerini ve küme içi kareler toplamı vektörünü içeren yeni bir veri çerçevesi elbow_df oluştur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

library(purrr)

# Use map_dbl to run many models with varying value of k (centers)
tot_withinss <- map_dbl(1:10,  function(k){
  model <- kmeans(x = ___, centers = ___)
  model$tot.withinss
})

# Generate a data frame containing both k and tot_withinss
elbow_df <- data.frame(
  k = ___ ,
  tot_withinss = ___
)

Kodu Düzenle ve Çalıştır