library("tidyverse")
data("iris")
standardized <- function(x) {
return((x - mean(x))/sd(x))
}
df <- iris %>%
select(-Species) %>%
map_df(standardized)
km <- kmeans(df, 3, nstart = 20)
df1 <- data.frame(sp_r = iris$Species,
sp_c = km$cluster) %>%
mutate(sp_m = factor(sp_c, levels = 1:3,
labels = c("versicolor","setosa","virginica")))
mean(df1$sp_r == df1$sp_m)
这是老师上课讲的 ,通过聚类分析,把iris进行分类,然后对比跟它原先的分类的相同程度。
题目如下:
2.选取某一交易日各股票的交易数据(如成交价、价格涨跌、成交量、大单量等),使用聚类分析的方法将这些股票分成若干类;
是不是也可以用类似的代码完成,这个作业想自己试着做一做,但是如果大神觉得很简单直接搞定了也可以发代码我学习一下,还有好几题。
在线等。
data("iris")
standardized <- function(x) {
return((x - mean(x))/sd(x))
}
df <- iris %>%
select(-Species) %>%
map_df(standardized)
km <- kmeans(df, 3, nstart = 20)
df1 <- data.frame(sp_r = iris$Species,
sp_c = km$cluster) %>%
mutate(sp_m = factor(sp_c, levels = 1:3,
labels = c("versicolor","setosa","virginica")))
mean(df1$sp_r == df1$sp_m)
这是老师上课讲的 ,通过聚类分析,把iris进行分类,然后对比跟它原先的分类的相同程度。
题目如下:
2.选取某一交易日各股票的交易数据(如成交价、价格涨跌、成交量、大单量等),使用聚类分析的方法将这些股票分成若干类;
是不是也可以用类似的代码完成,这个作业想自己试着做一做,但是如果大神觉得很简单直接搞定了也可以发代码我学习一下,还有好几题。
在线等。