k-means 分群與結果比較

你現在已知道分群主要有兩種：階層式與 k-means。

在這個練習中，你會在 Wisconsin 乳癌資料上建立 k-means 分群模型，並把結果與實際診斷，以及你先前的階層式分群模型結果做比較。花點時間觀察各分群模型在區分兩種診斷上的表現，以及兩個分群模型之間的差異。

本練習屬於課程

R 的無監督式學習

wisc.data、diagnosis 與 wisc.hclust.clusters 仍可使用。

在 wisc.data 上建立 k-means 模型，將結果指定給 wisc.km。請建立 2 個叢集，對應實際的診斷數量。也別忘了先對資料做尺度調整，並將演算法重複執行 20 次以找到表現良好的模型。
使用 table() 函式，將 k-means 模型的叢集成員資格與 diagnosis 向量中的實際診斷做比較。你覺得 k-means 在區分兩種診斷方面表現如何？
使用 table() 函式，將 k-means 模型的叢集成員資格與階層式分群模型比較。回想階層式分群模型的叢集成員資格在 wisc.hclust.clusters。

試著完成這個範例程式碼，體驗一下這個練習。

# Create a k-means model on wisc.data: wisc.km


# Compare k-means to actual diagnoses


# Compare k-means to hierarchical clustering