O objetivo \u00e9 encontrar clusters tais que as observa\u00e7\u00f5es dentro de cada cluster sejam bastante semelhantes entre si, enquanto as observa\u00e7\u00f5es em diferentes clusters sejam bastante diferentes umas das outras.<\/span><\/p>\n Clustering \u00e9 uma forma de aprendizagem n\u00e3o supervisionada<\/a> porque estamos simplesmente tentando encontrar uma estrutura dentro de um conjunto de dados, em vez de prever o valor de uma vari\u00e1vel de resposta<\/a> .<\/span><\/p>\n O clustering \u00e9 frequentemente usado em marketing quando as empresas t\u00eam acesso a informa\u00e7\u00f5es como:<\/span><\/p>\n Quando esta informa\u00e7\u00e3o est\u00e1 dispon\u00edvel, o agrupamento pode ser utilizado para identificar agregados familiares que s\u00e3o semelhantes e podem ter maior probabilidade de comprar determinados produtos ou responder melhor a um determinado tipo de publicidade.<\/span><\/p>\n Uma das formas mais comuns de agrupamento \u00e9 conhecida como agrupamento k-means<\/a> .<\/span><\/p>\n Infelizmente, esse m\u00e9todo pode ser influenciado por outliers, e \u00e9 por isso que uma alternativa frequentemente usada \u00e9 o agrupamento k-medoids<\/strong> .<\/span><\/p>\n O agrupamento K-medoids \u00e9 uma t\u00e9cnica na qual colocamos cada observa\u00e7\u00e3o em um conjunto de dados em um dos K<\/em> clusters.<\/span><\/p>\n O objetivo final \u00e9 ter K<\/em> clusters nos quais as observa\u00e7\u00f5es dentro de cada cluster sejam bastante semelhantes entre si, enquanto as observa\u00e7\u00f5es em diferentes clusters sejam bastante diferentes umas das outras.<\/span><\/p>\n Na pr\u00e1tica, usamos as seguintes etapas para realizar o agrupamento K-means:<\/span><\/p>\n 1. Escolha um valor para K.<\/em><\/strong><\/span><\/p>\n 2. Atribua aleatoriamente cada observa\u00e7\u00e3o a um cluster inicial, de 1 a K.<\/em><\/strong><\/span><\/p>\n 3. Execute o procedimento a seguir at\u00e9 que as atribui\u00e7\u00f5es do cluster parem de mudar.<\/strong><\/span><\/p>\n Nota t\u00e9cnica:<\/strong><\/span><\/p>\n Como k-medoids calcula centr\u00f3ides de cluster usando medianas em vez de m\u00e9dias, ele tende a ser mais robusto para valores discrepantes do que k-means.<\/span><\/p>\n Na pr\u00e1tica, se n\u00e3o houver valores discrepantes extremos no conjunto de dados, k-means e k-medoids produzir\u00e3o resultados semelhantes.<\/span><\/p>\n<\/blockquote>\n O tutorial a seguir fornece um exemplo passo a passo de como realizar clustering de k-medoids em R.<\/span><\/p>\n Primeiro, carregaremos dois pacotes contendo diversas fun\u00e7\u00f5es \u00fateis para clusteriza\u00e7\u00e3o de k-medoids em R.<\/span><\/p>\n Para este exemplo, usaremos o conjunto de dados USArrests<\/em> incorporado em R, que cont\u00e9m o n\u00famero de pris\u00f5es por 100.000 pessoas em cada estado dos EUA em 1973 por assassinato<\/em> , agress\u00e3o<\/em> e estupro<\/em> , bem como a porcentagem da popula\u00e7\u00e3o de cada estado vivendo em \u00e1reas urbanas. \u00e1reas. , UrbanPop<\/em> .<\/span><\/p>\n O c\u00f3digo a seguir mostra como fazer o seguinte:<\/span><\/p>\n Para realizar clustering k-medoid em R, podemos usar a fun\u00e7\u00e3o pam()<\/strong> , que significa \u201cparticionamento em torno de medianas\u201d e usa a seguinte sintaxe:<\/span><\/p>\n pam(dados, k, m\u00e9trica = \u201cEuclidiano\u201d, stand = FALSE)<\/strong><\/span><\/p>\n Ouro:<\/span><\/p>\n Como n\u00e3o sabemos antecipadamente qual n\u00famero de clusters \u00e9 ideal, criaremos dois gr\u00e1ficos diferentes que podem nos ajudar a decidir:<\/span><\/p>\n 1. N\u00famero de clusters em rela\u00e7\u00e3o ao total na soma dos quadrados<\/strong><\/span><\/p>\n Primeiro, usaremos a fun\u00e7\u00e3o fviz_nbclust()<\/strong> para criar um gr\u00e1fico do n\u00famero de clusters versus o total na soma dos quadrados:<\/span> <\/p>\n O total na soma dos quadrados geralmente sempre aumentar\u00e1 \u00e0 medida que aumentamos o n\u00famero de clusters. Portanto, quando criamos esse tipo de gr\u00e1fico, procuramos um \u201cjoelho\u201d onde a soma dos quadrados come\u00e7a a \u201cdobrar\u201d ou se nivelar.<\/span><\/p>\n O ponto de curvatura do gr\u00e1fico geralmente corresponde ao n\u00famero ideal de clusters. Al\u00e9m deste valor, \u00e9 prov\u00e1vel que ocorra overfitting<\/a> .<\/span><\/p>\n Para este gr\u00e1fico, parece que h\u00e1 uma pequena tor\u00e7\u00e3o ou \u201ccurvatura\u201d em k = 4 clusters.<\/span><\/p>\n\n
O que \u00e9 agrupamento K-Medoids?<\/strong><\/span><\/h3>\n
\n
\n
\n
Agrupamento de K-Medoids em R<\/strong><\/span><\/h3>\n
Passo 1: Carregue os pacotes necess\u00e1rios<\/strong><\/span><\/h3>\n
library<\/span> (factoextra)\nlibrary<\/span> (cluster)<\/strong><\/pre>\n Etapa 2: carregar e preparar dados<\/strong><\/span><\/h3>\n
\n
#load data<\/span>\ndf <-USArrests\n\n#remove rows with missing values<\/span><\/strong>\ndf <- na. omitted<\/span> (df)\n\n#scale each variable to have a mean of 0 and sd of 1<\/span><\/strong>\ndf <- scale(df)\n\n#view first six rows of dataset<\/span>\nhead(df)\n\n Murder Assault UrbanPop Rape\nAlabama 1.24256408 0.7828393 -0.5209066 -0.003416473\nAlaska 0.50786248 1.1068225 -1.2117642 2.484202941\nArizona 0.07163341 1.4788032 0.9989801 1.042878388\nArkansas 0.23234938 0.2308680 -1.0735927 -0.184916602\nCalifornia 0.27826823 1.2628144 1.7589234 2.067820292\nColorado 0.02571456 0.3988593 0.8608085 1.864967207\n<\/strong><\/pre>\n Etapa 3: Encontre o n\u00famero ideal de clusters<\/strong><\/span><\/h3>\n
\n
fviz_nbclust(df, pam, method = \u201c wss<\/span> \u201d)<\/strong> <\/pre>\n![\"Clusters](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide1.png\")
<\/p>\n
![\"N\u00famero](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide2.png\")
<\/p>\n![\"Plotando](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide3.png\")
<\/p>\n