根據下列程式碼，你可以具體說出每個叢集內成員之間的關係是什麼？
dist_players <- dist(lineup, method = 'euclidean') hc_players <- hclust(dist_players, method = 'complete') clusters <- cutree(hc_players, h = 40)
dist_players <- dist(lineup, method = 'euclidean')
hc_players <- hclust(dist_players, method = 'complete')
clusters <- cutree(hc_players, h = 40)
屬於同一叢集的每個成員都必須具備：
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
叢集分析旨在找出彼此相似的觀測值群組，同時讓不同群組之間彼此區別。這種相似／差異由稱為距離的度量來刻畫。在本章中，你會學到如何為連續與類別特徵計算觀測值之間的距離。你也會建立一個直覺，了解特徵的尺度如何影響距離。
本章將幫你回答第 1 章的最後一個問題——如何利用已計算出的距離，在資料中找到相似觀測值的群組（叢集）？你會學到階層式分群的基本原理——連結準則與系統樹（dendrogram）圖——以及兩者如何用來建立叢集。你也會探索一家批發經銷商的資料，根據客戶的消費習慣進行市場區隔。
當前練習
在本章中，你將理解 k-means 演算法背後的原理，學會在事先未知的情況下如何選擇合適的 k，並從不同角度重新檢視批發資料。
在本章中，你會運用所學的技能，探索各職業的平均薪資如何隨時間變化。
