wisc.pr, diagnosis, wisc.hclust.clusters và wisc.km vẫn còn trong workspace của bạn.

Sử dụng số lượng thành phần chính tối thiểu cần thiết để mô tả ít nhất 90% độ biến thiên của dữ liệu, tạo một mô hình phân cụm phân cấp với complete linkage. Gán kết quả cho wisc.pr.hclust.
Cắt mô hình phân cụm phân cấp này thành 4 cụm và gán kết quả cho wisc.pr.hclust.clusters.
Dùng table() để so sánh kết quả từ mô hình phân cụm phân cấp mới với chẩn đoán thực tế. Mô hình bốn cụm mới tạo phân tách hai chẩn đoán tốt đến mức nào?
Các mô hình k-means và phân cụm phân cấp bạn đã tạo ở các bài trước phân tách chẩn đoán tốt đến mức nào? Một lần nữa, dùng hàm table() để so sánh đầu ra của từng mô hình với vector chứa chẩn đoán thực tế.

Ôn tập PCA và bước tiếp theo