实践要点：缩放

请回忆视频中的内容：当各特征的分布不同，聚类真实数据时可能需要对特征进行"缩放"（scaling）。在本章目前为止的练习中，您一直使用的是不需要缩放的合成数据。

在本练习中，您将回到"真实"数据——第一章介绍过的 pokemon 数据集。您将先观察各特征的分布（均值与标准差），据此对数据进行缩放，然后使用 complete linkage（完全链接）方法构建一个层次聚类模型。

本练习是课程的一部分

R 中的无监督学习

数据已存放在工作区中的 pokemon 对象里。

使用 colMeans() 函数查看 pokemon 中每个变量的均值。
使用 apply() 和 sd() 函数查看每个变量的标准差。由于变量对应矩阵的列，请将 apply() 的 MARGIN 参数设为 2。
使用 scale() 函数对 pokemon 数据进行缩放，并将结果保存到 pokemon.scaled。
使用 complete linkage 方法对 pokemon.scaled 数据创建层次聚类模型。请手动指定 method 参数，并将结果保存到 hclust.pokemon。

通过完成这段示例代码来试试这个练习。

# View column means


# View column standard deviations


# Scale the data


# Create hierarchical clustering model: hclust.pokemon