案例資料的階層式分群

這個練習的目標是對觀測值進行階層式分群。回想第 2 章所述，這種分群方法不需要事先假設資料中自然群組的數量。

在進行階層式分群之前，會先計算所有觀測值兩兩之間的距離。此外，將叢集彼此「連結」有不同方式，最常見的連結方法包括 single、complete 與 average。

本練習屬於課程

R 的無監督式學習

你先前建立的變數 wisc.data、diagnosis、wisc.pr 與 pve 已經在你的工作區中。

將 wisc.data 進行尺度調整（scale），並將結果指定給 data.scaled。
在新的經過尺度調整的資料集中，計算所有觀測值兩兩之間的（歐氏）距離，並將結果指定給 data.dist。
使用 complete linkage 建立一個階層式分群模型。手動在 hclust() 中指定 method 參數，並將結果指定給 wisc.hclust。

試著完成這個範例程式碼，體驗一下這個練習。

# Scale the wisc.data data: data.scaled


# Calculate the (Euclidean) distances: data.dist


# Create a hierarchical clustering model: wisc.hclust