Wybór liczby klastrów

Uczenie nienadzorowane w R

Hank Roark

Senior Data Scientist at Boeing

Interpretacja wyników

# Create hierarchical cluster model: hclust.out
hclust.out <- hclust(dist(x))

# Inspect the result
summary(hclust.out)

            Length Class  Mode     
merge       98     -none- numeric  
height      49     -none- numeric  
order       50     -none- numeric  
labels       0     -none- NULL     
method       1     -none- character
call         2     -none- call     
dist.method  1     -none- character

Dendrogram

Struktura drzewiasta służąca do interpretacji modeli klastrowania hierarchicznego

pięć obserwacji i dendrogram na wykresie

Dendrogram

Struktura drzewiasta służąca do interpretacji modeli klastrowania hierarchicznego

dwa punkty klastra połączone w dendrogramie

Dendrogram

Struktura drzewiasta służąca do interpretacji modeli klastrowania hierarchicznego

kolejne dwa punkty klastra połączone w dendrogramie

Dendrogram

Struktura drzewiasta służąca do interpretacji modeli klastrowania hierarchicznego

dwa klastry i punkt połączone w dendrogramie

Dendrogram

Struktura drzewiasta służąca do interpretacji modeli klastrowania hierarchicznego

wszystkie klastry i punkty połączone w dendrogramie

Rysowanie dendrogramu w R

# Draws a dendrogram
plot(hclust.out)

abline(h = 6, col = "red")

pozioma linia pokazująca liczbę klastrów na dendrogramie

"Przycinanie" drzewa w R

# Cut by height h
cutree(hclust.out, h = 6)

1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 3 3
3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 2 4 2 4 4

# Cut by number of clusters k
cutree(hclust.out, k = 2)

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2
2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1

Czas na ćwiczenia!

Uczenie nienadzorowane w R