K-means on a soccer field（第 2 部分）
在上一个练习中，您已成功使用 k-means 算法对 lineup 数据框中的两支球队进行了聚类。这一次，我们来看看当您将 k 设为 3 时会发生什么。
您会发现算法仍然可以运行，但在这个情境下这样做真的合理吗……
本练习是课程的一部分
R 中的聚类分析
练习说明
- 使用
kmeans()函数并设置centers = 3，基于lineup数据构建一个名为model_km3的 k-means 模型。 - 从模型中提取聚类分配向量
model_km3$cluster，并将其保存到变量clust_km3中。 - 将聚类分配作为列
cluster追加到lineup数据框中，并将结果保存为新的数据框lineup_km3。 - 使用 ggplot 绘制每位球员在场上的位置，并按其聚类为点着色。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build a kmeans model
model_km3 <- ___
# Extract the cluster assignment vector from the kmeans model
clust_km3 <- ___
# Create a new data frame appending the cluster assignment
lineup_km3 <- ___
# Plot the positions of the players and color them using their cluster
ggplot(___, aes(x = ___, y = ___, color = factor(___))) +
geom_point()