kmeans() ve hclust() karşılaştırması

k-means ile hiyerarşik kümelemeyi karşılaştırdığında, iki yöntemin farklı küme üyelikleri ürettiğini göreceksin. Bunun nedeni, iki algoritmanın verinin nasıl üretildiğine dair farklı varsayımlar yapmasıdır. Daha ileri bir derste, modellerin varsayımlarının kalitesine göre birini diğerine tercih edebilirdik; ama şimdilik, farklı olduklarını gözlemlemek yeterli.

Bu egzersizde, iki modelin pokemon veri kümesi üzerindeki sonuçlarını karşılaştırarak nasıl farklılaştıklarını göreceksin.

Bu egzersiz

R ile Denetimsiz Öğrenme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

pokemon verisi üzerinde (3 küme için) çalıştırılmış k-means kümelemesinin sonuçları km.pokemon olarak saklandı. Önceki egzersizde oluşturduğun hiyerarşik kümeleme modeli ise hclust.pokemon olarak hâlâ kullanılabilir.

hclust.pokemon üzerinde cutree() kullanarak her gözleme küme üyeliği ata. Üç küme varsay ve sonucu cut.pokemon adlı bir vektöre ata.
table() kullanarak iki kümeleme yönteminin küme üyeliklerini karşılaştır. k-means model nesnelerinin farklı bileşenlerine $ operatörüyle erişebileceğini unutma.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Apply cutree() to hclust.pokemon: cut.pokemon


# Compare methods
table(___, ___)

Kodu Düzenle ve Çalıştır