Análise de silhueta: desempenho no nível da observação

Análise de Clusters em R

Dmitriy (Dima) Gorenshteyn

Lead Data Scientist, Memorial Sloan Kettering Cancer Center

Escalação de futebol com K = 3

Análise de Clusters em R

Largura da silhueta

Distância dentro do cluster: C(i)

Distância ao vizinho mais próximo: N(i)

Análise de Clusters em R

Largura da silhueta

Distância dentro do cluster: C(i)

Distância ao vizinho mais próximo: N(i)

Análise de Clusters em R

Largura da silhueta

Distância dentro do cluster: C(i)

Distância ao vizinho mais próximo: N(i)

Análise de Clusters em R

Largura da silhueta

Distância dentro do cluster: C(i)

Distância ao vizinho mais próximo: N(i)

Análise de Clusters em R

Largura da silhueta

Distância dentro do cluster: C(i)

Distância ao vizinho mais próximo: N(i)

Análise de Clusters em R

Largura da silhueta: S(i)

Análise de Clusters em R

Largura da silhueta: S(i)

 

  • 1: Bem ajustado ao cluster
  • 0: Na fronteira entre dois clusters
  • -1: Melhor no cluster vizinho
Análise de Clusters em R

Calculando S(i)

library(cluster)
pam_k3 <- pam(lineup, k = 3)

pam_k3$silinfo$widths

   cluster neighbor    sil_width
4        1        2  0.465320054
2        1        3  0.321729341
10       1        2  0.311385893
1        1        3  0.271890169
9        2        1  0.443606497
...     ...      ...         ...
Análise de Clusters em R

Gráfico de silhueta

sil_plot <- silhouette(pam_k3)
plot(sil_plot)

Análise de Clusters em R

Gráfico de silhueta

sil_plot <- silhouette(pam_k3)
plot(sil_plot)

Análise de Clusters em R

Largura média da silhueta

pam_k3$silinfo$avg.width

[1] 0.353414
  • 1: Bem ajustado a cada cluster
  • 0: Na fronteira entre clusters
  • -1: Mal ajustado a cada cluster
Análise de Clusters em R

Maior largura média da silhueta

library(purrr)

sil_width <- map_dbl(2:10,  function(k){
  model <- pam(x = lineup, k = k)
  model$silinfo$avg.width
})
sil_df <- data.frame(
  k = 2:10,
  sil_width = sil_width
)
print(sil_df)

     k    sil_width
1    2    0.4164141
2    3    0.3534140
3    4    0.3535534
4    5    0.3724115
...  ...        ...
Análise de Clusters em R

Escolhendo K com a largura média da silhueta

ggplot(sil_df, aes(x = k, y = sil_width)) +
  geom_line() +
  scale_x_continuous(breaks = 2:10)

Análise de Clusters em R

Escolhendo K com a largura média da silhueta

ggplot(sil_df, aes(x = k, y = sil_width)) +
  geom_line() +
  scale_x_continuous(breaks = 2:10)

Análise de Clusters em R

Vamos praticar!

Análise de Clusters em R

Preparing Video For Download...