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？
本练习是课程的一部分
R 中的聚类分析
练习说明
- 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。
交互式实操练习
通过完成这段示例代码来试试这个练习。
library(cluster)
# Generate a k-means model using the pam() function with a k = 2
pam_k2 <- pam(___, k = ___)
# Plot the silhouette visual for the pam_k2 model
plot(silhouette(___))
# Generate a k-means model using the pam() function with a k = 3
pam_k3 <- ___
# Plot the silhouette visual for the pam_k3 model