Silüet analizi

Silüet analizi, her bir gözlemin atandığı kümeyle, diğer kümelere kıyasla ne kadar benzer olduğunu hesaplamanı sağlar. Bu metrik (silüet genişliği) verindeki her gözlem için -1 ile 1 arasında değişir ve şöyle yorumlanır:

1'e yakın değerler, gözlemin atandığı kümeyle iyi eşleştiğini gösterir
0'a yakın değerler, gözlemin iki küme arasında sınırda olduğunu gösterir
-1'e yakın değerler, gözlemin yanlış kümeye atanmış olabileceğini gösterir

Bu egzersizde, cluster kütüphanesindeki pam() ve silhouette() fonksiyonlarını kullanarak k'si 2 ve 3 olan modellerin sonuçlarını karşılaştırmak için silüet analizi yapacaksın. lineup veri kümesiyle çalışmaya devam edeceksin.

Silüet grafiğine dikkatle bak: k = 3 için her gözlem açıkça atandığı kümeye ait mi?

Bu egzersiz, kursun bir parçasıdır

R ile Kümeleme Analizi

Kursa Göz Atın

Egzersiz talimatları

lineup verisi üzerinde k = 2 ile pam() kullanarak pam_k2 adlı bir k-means modeli oluştur.
Silüet analizini plot(silhouette(model)) kullanarak görselleştir.
k = 3 için ilk iki adımı tekrarla ve modeli pam_k3 olarak kaydet.
Devam etmeden önce grafikler arasındaki farkları mutlaka incele (özellikle pam_k3 için gözlem 3).

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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

Kodu Düzenle ve Çalıştır