比較 kmeans() 與 hclust()

比較 k-means 與階層式叢集，你會看到這兩種方法產生的叢集成員有所不同。這是因為兩個演算法對於資料產生方式的假設不同。在更進階的課程中，我們可以根據模型假設的品質來選擇其中一種模型；但現在，你只要觀察到它們確實不同就好。

在這個練習中，你會比較 pokemon 資料集上兩個模型的結果，看看差異在哪裡。

本練習屬於課程

R 的無監督式學習

對 pokemon 資料執行 k-means 叢集（3 個叢集）的結果已存為 km.pokemon。你在前一題建立的階層式叢集模型則為 hclust.pokemon。

對 hclust.pokemon 使用 cutree()，為每個觀測值指定叢集成員。假設有 3 個叢集，並將結果指定給名為 cut.pokemon 的向量。
使用 table()，比較兩種叢集方法的叢集成員歸屬。請記得，k-means 模型物件的不同元件可以用 $ 運算子來存取。

試著完成這個範例程式碼，體驗一下這個練習。

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


# Compare methods
table(___, ___)