轮廓系数分析

轮廓系数分析用于度量每个观测相对于其他簇，与其被分配的簇的相似程度。该指标（轮廓系数宽度）在您的数据中对每个观测的取值范围为 -1 到 1，可按如下方式解读：

接近 1 表示该观测与其分配的簇非常匹配。
接近 0 表示该观测处于两个簇的边界地带。
接近 -1 表示该观测可能被分配到了错误的簇。

在本练习中，您将使用 cluster 库中的 pam() 和 silhouette() 函数进行轮廓系数分析，比较 k 为 2 与 k 为 3 的模型结果。您将继续使用 lineup 数据集。

请密切关注轮廓图。对于 k = 3，每个观测是否都清晰地归属于其被分配的簇？

使用 pam() 在 lineup 数据上生成 k-means 模型 pam_k2，设置 k = 2。
使用 plot(silhouette(model)) 绘制轮廓系数分析图。
将上述两步对 k = 3 重复一遍，并将模型保存为 pam_k3。
在继续之前，请务必查看两幅图之间的差异（尤其是观测 3）对于 pam_k3。