#install.packages("readr")

library(readr)

#carregando o dataset original iris <- read.csv("iris-lab03.csv", sep=";", dec=".", header=TRUE) summary(iris) boxplot(iris[,1:4],las=1) barplot(table(iris$Species))

#criando um dataset equivalente, mas sem o rotulo #copiar todos atributos de ??ris, exceto o ??ltimo iris1 <- iris[-5] summary(iris1)

# Iris: Usando o K-means # # rodando o kmeans com 3 grupos, o melhor resultado de 10 e visualizando o resultado kmi1 <- kmeans(iris1, centers=3, nstart = 10) kmi1

# acessando variaveis do modelo resultante kmi1$centers kmi1$size kmi1$tot.withinss kmi1$cluster

# analisando os resultados # # plotando os resultados # plotando os agrupamentos de objetos, no caso de mais de duas variaveis, de acordo com seus componentes principais fviz_cluster(kmi1, data = iris1)

# plotando os agrupamentos de objetos, no caso de mais de duas variaveis, de acordo com seus componentes principais plot(iris1, col=kmi1$cluster, main = paste("k-means clustering com 3 grupos; Total do SSE = ",kmi1$tot.withinss))

# visualizando a relacao do centro do cluster em relacao as petalas plot(iris1[,c("Petal.Length", "Petal.Width")], col = kmi1$cluster, main= "Agrupamento k-means com 3 grupos", xlab = "Petal.Length", ylab = "Petal.Width") # plot cluster centers points(kmi1$centers[,c("Petal.Length", "Petal.Width")], col = 1:3, pch = 8, cex=2)

# o centro em relacao aos comprimentos de Petala e Sepala plot(iris1[c("Sepal.Length", "Petal.Length")], col = kmi1$cluster) # plot cluster centers points(kmi1$centers[,c("Sepal.Length", "Petal.Length")], col = 1:3, pch = 8, cex=2)

# avaliando os resultados com indicadores externos # # gerando uma matriz de contingencia e avaliando o SSE intra-clusters e total table(iris$Species, kmi1$cluster) kmi1$withinss kmi1$tot.withinss

# comparando agrupamentos com numero diferentes de grupos # ## gerando agrupamentos com diferentes numeros de clusters k2 <- kmeans(iris1, centers = 2, nstart=10) k3 <- kmeans(iris1, centers = 3, nstart=10) k4 <- kmeans(iris1, centers = 4, nstart=10) k5 <- kmeans(iris1, centers = 5, nstart=10)

# visualizando os resultados p1 <- fviz_cluster(k2, geom = "point", data = iris1) + ggtitle("k = 2") p2 <- fviz_cluster(k3, geom = "point", data = iris1) + ggtitle("k = 3") p3 <- fviz_cluster(k4, geom = "point", data = iris1) + ggtitle("k = 4") p4 <- fviz_cluster(k5, geom = "point", data = iris1) + ggtitle("k = 5")

library(gridExtra) grid.arrange(p1, p2, p3, p4, nrow = 2)

#comparando as matrizes de contingencia e relacinando com os SSE dos clusters table(iris$Species, k2$cluster) k2$withinss k2$tot.withinss table(iris$Species, k3$cluster) k3$withinss k3$tot.withinss table(iris$Species, k4$cluster) k4$withinss k4$tot.withinss table(iris$Species, k5$cluster) k5$withinss k5$tot.withinss

# buscando o melhor numero de clusters # Elbow method set.seed(123) fviz_nbclust(iris1, kmeans, method = "wss")

# Iris: agrupamento hierarquico # # testando sobre uma amostra # seleciona alteatoriamente uma amostra de 50 flores # remove o atributo Species idx <- sample(1:dim(iris)[1], 50) irisSample <- iris[idx,-5]

# cria um agrupamento hierarquico usando o metodo de medias hc <- hclust(dist(irisSample), method="average") # plota o dendograma plot(hc, hang = -1, labels=iris$Species[idx])

# gerando grupos a partir da ??rvore # plota o dendograma e divide arvore em tres particoes plot(hc, hang = -1, labels=iris$Species[idx]) rect.hclust(hc, k=3, border = 2:4) # plota o dendograma e divide arvore em cinco particoes plot(hc, hang = -1, labels=iris$Species[idx]) rect.hclust(hc, k=5, border = 2:6)

# cria os grupos a partir de uma medida de corte (nro de grupos) groupos3 <- cutree(hc,3) groupos5 <- cutree(hc,5) # avaliando os grupos pelo coeficiente silhoutte library(cluster) ss3 <- silhouette(groupos3,dist(irisSample)) ss5 <- silhouette(groupos5,dist(irisSample)) summary(ss3) summary(ss5)

#testando diferentes medidas de similaridade entre grupos # vamos testar diferentes metodos : "single", "complete", e "average" # # media de todos os pontos nos grupos hc1 <- hclust(dist(iris1), method="average") # grupos mais pr??ximos s??o definidos em termos dos pontos mais pr??ximos - MIN hc2 <- hclust(dist(iris1), method="single") # grupos mais pr??ximos s??o definidos em termos dos pontos mais distantes - MAX hc3 <- hclust(dist(iris1), method="complete") plot(hc1, hang = -1, labels=iris1$Species) plot(hc2, hang = -1, labels=iris1$Species) plot(hc3, hang = -1, labels=iris1$Species)

gruposavg <-cutree(hc1,3) gruposmin <-cutree(hc2,3) gruposmax <-cutree(hc3,3) table(iris$Species, gruposavg) table(iris$Species, gruposmin) table(iris$Species, gruposmax)

# avaliando os grupos pelo coeficiente silhoutte ssavg3 <- silhouette(gruposavg,dist(iris1)) ssmin3 <- silhouette(gruposmin,dist(iris1)) ssmax3 <- silhouette(gruposmax,dist(iris1)) summary(ssavg3) summary(ssmin3) summary(ssmax3)