許多 k、許多模型
雖然 lineup 資料集的 k 是已知的，但多數時候最佳的群集數並不清楚，需要先估計。
在這個練習中，你會使用 purrr 函式庫的 map_dbl()，以 k 從 1 到 10 的各種值來執行 k-means，並從每個模型擷取「群內平方和總和（total within-cluster sum of squares）」這個指標。這會是你視覺化肘部圖（elbow plot）的第一步。
本練習屬於課程
R 的叢集分析
練習說明
- 使用
map_dbl()搭配kmeans()，以lineup資料在 k 從 1 到 10 的範圍建立模型，並從每個模型擷取「群內平方和總和」：model$tot.withinss。 將得到的向量儲存為tot_withinss。 - 建立新的資料框
elbow_df，其中包含各個 k 的值，以及對應的「群內平方和總和」向量。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
library(purrr)
# Use map_dbl to run many models with varying value of k (centers)
tot_withinss <- map_dbl(1:10, function(k){
model <- kmeans(x = ___, centers = ___)
model$tot.withinss
})
# Generate a data frame containing both k and tot_withinss
elbow_df <- data.frame(
k = ___ ,
tot_withinss = ___
)