K-means：肘部法分析
在前面的练习中，您使用树状图提出了一个将数据分成 3 个簇的聚类方案。本练习中，您将利用 k-means 的肘部图来提出"最佳"的聚类数。
本练习是课程的一部分
R 中的聚类分析
练习说明
- 使用
map_dbl()对k取 1 到 10 的取值，基于oes数据运行kmeans()，并从每个模型中提取簇内离差平方和总和（total within-cluster sum of squares）：model$tot.withinss。将得到的向量保存为tot_withinss。 - 构建一个新的数据框
elbow_df，包含 k 的取值以及对应的簇内离差平方和总和向量。 - 使用
elbow_df中的数值绘制折线图，展示 k 与簇内离差平方和总和之间的关系。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Use map_dbl to run many models with varying value of k (centers)
tot_withinss <- map_dbl(1:10, function(k){
model <- kmeans(x = ___, centers = ___)
model$tot.withinss
})
# Generate a data frame containing both k and tot_withinss
elbow_df <- data.frame(
k = ___,
tot_withinss = ___
)
# Plot the elbow plot
ggplot(elbow_df, aes(x = ___, y = ___)) +
geom_line() +
scale_x_continuous(breaks = 1:10)