# Leitura dos dados do arquivo "04_Cluster.csv"
base <- read.table("04_Cluster.csv",header=TRUE,sep=";",dec=",")
names(base)   # Mostra o nome das variáveis
base  # Mostra toda a base de dados
#
dados.quanti <- base[,-1]   # Remove a primeira coluna
dados.quanti  # Mostra toda a base dados.quanti
row.names(dados.quanti) = base[,1]  # A primeira coluna da base contém os casos
dados.quanti # Mostra toda a base dados.quanti
dados.quanti <- as.matrix(dados.quanti) # Considera dados.quanto como matriz
dados.quanti # Mostra toda a matriz dados.quanti
# Padroniza a base de dados --------------\
dados.quanti <- scale(dados.quanti)
dados.quanti
dados.quanti[,1]
dados.quanti[,2]
summary(dados.quanti)
sd(dados.quanti[,1])
sd(dados.quanti[,2])
#-----------------------------------------/
# Método K-means
dados.z = scale(dados.quanti)
dados.z
clust <- kmeans(dados.z, 3)
clust
clust[]
plot(dados.z, col = clust$cluster)
points(clust$centers, col = 1:3, pch = 8, cex = 2)
#
rm(list=ls())
# Análise de Cluster, método k-means - - - - - - - - - - - - - \
base <- read.table("04_Cluster.csv",header=TRUE,sep=";",dec=",")
dados.x <- base[,-1]                      # Remove dados quali
dados.z <- scale(dados.x)                 # Padroniza variáveis
grupos <- kmeans(dados.z, 3)              # Obtem grupos k-means
grupos[]                                  # Mostra o resultado
plot(dados.z, col = grupos$cluster)       # Gráfico
points(grupos$centers, col = 1:2, pch = 8, cex = 2)
#- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - /