ПочатиПочніть безкоштовно

Візуалізуйте кластери

На цьому етапі у нас є все необхідне, щоб побудувати спостереження разом з еліпсами, які представляють кластери.

Також, якщо ми хочемо віднести кожне спостереження до одного з двох кластерів, можна використати функцію clusters() і порівняти результати з реальними мітками. Нагадаємо: коли ми використовували лише змінну Weight для кластеризації даних, ми правильно передбачили 4500 жінок і 4556 чоловіків. Подивімося, чи вдасться краще розділити кластери, якщо додати ще одну змінну.

Ця вправа є частиною курсу

Мішанинні моделі в R

Переглянути курс

Інструкції до вправи

  • Використайте geom_point() для створення діаграми розсіяння за Weight і BMI. Додайте до цього графіка два еліпси, збережені в ellipses_comp_number, за допомогою функції geom_path().
  • Зверніть увагу, що еліпси потрібно перетворити на датафрейм.
  • Розфарбуйте кластер 1 у червоний, а кластер 2 — у синій.
  • Оцініть частотну таблицю для реальних міток, що зберігаються у змінній Gender, порівняно з прогнозованими, оціненими за допомогою clusters.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Plot the ellipses
gender %>% 
  ggplot(aes(x = ___, y = ___)) + ___()+
  geom_path(data = data.frame(ellipse_comp_1), aes(x=x,y=y), col = "___") +
  geom_path(data = data.frame(ellipse_comp_2), aes(x=x,y=y), col = "___")
# Check the assignments
table(gender$Gender, clusters(fit_with_cov))
Редагувати та запускати код