———————
Step 02 - Prepare data for clustering
———————
rsi_data <- read.csv("rsi-AMZN.csv")
# Missing value treatment - drop all variables, which has NA
rsi_data1 <- rsi_data[complete.cases(rsi_data), ]
# Also drop not required variable : DATE variable is useless
rsi_data1 <- rsi_data1 [-c(1)]
# Box plot in R
boxplot(rsi_data1) # so much differences
str(rsi_data1) # 22 variables
## 'data.frame': 1220 obs. of 22 variables:
## $ Rsi2 : num 13.4 83.2 55.1 70 86.5 ...
## $ Rsi3 : num 25 69.7 54.3 63.3 76.1 ...
## $ Rsi4 : num 32.8 63.8 53.4 59.8 69.9 ...
## $ Rsi5 : num 38.1 61 53.2 58.2 66.3 ...
## $ Rsi6 : num 41.5 59.4 53.2 57.2 63.9 ...
## $ Rsi7 : num 43.7 58.3 53.2 56.5 62.1 ...
## $ Rsi8 : num 45.1 57.4 53.1 55.9 60.7 ...
## $ Rsi9 : num 46.1 56.6 52.9 55.4 59.6 ...
## $ Rsi10 : num 46.8 56 52.8 54.9 58.7 ...
## $ Rsi15 : num 48.2 53.9 51.9 53.3 55.6 ...
## $ Rsi20 : num 48.7 52.7 51.4 52.3 54.1 ...
## $ RsiD2 : num -0.145 5.162 0.14 0.013 0.382 ...
## $ RsiD3 : num -0.369 1.623 0.357 0.274 0.22 ...
## $ RsiD4 : num -0.323 0.526 0.283 0.307 0.333 -0.147 -0.235 -0.021 0.079 0.614 ...
## $ RsiD5 : num -0.308 0.26 0.096 0.253 0.333 -0.032 -0.183 -0.009 0.044 0.455 ...
## $ RsiD6 : num -0.252 0.119 0.03 0.132 0.289 0.022 -0.102 -0.019 0.041 0.395 ...
## $ RsiD7 : num -0.224 0.087 -0.017 0.079 0.196 0.041 -0.054 0.017 0.025 0.36 ...
## $ RsiD8 : num -0.205 0.055 -0.017 0.037 0.149 0.017 -0.03 0.036 0.046 0.316 ...
## $ RsiD9 : num -0.179 0.031 -0.025 0.032 0.107 0.008 -0.037 0.043 0.057 0.31 ...
## $ RsiD10: num -0.155 0.026 -0.033 0.021 0.096 -0.005 -0.038 0.026 0.059 0.299 ...
## $ RsiD15: num -0.056 0.052 0.003 0.022 0.061 -0.001 -0.029 0.004 0.022 0.193 ...
## $ RsiD20: num 0.004 0.081 0.041 0.052 0.075 0.026 0.002 0.02 0.025 0.147 ...
Means and Standard Deviation
# standarize varibles
# Keep a track of mean and std deviation
colMeans(rsi_data1) # before scale
## Rsi2 Rsi3 Rsi4 Rsi5 Rsi6
## 56.972213115 57.314173770 57.319754098 57.260481148 57.193413934
## Rsi7 Rsi8 Rsi9 Rsi10 Rsi15
## 57.132123770 57.078854098 57.032858197 56.992634426 56.831365574
## Rsi20 RsiD2 RsiD3 RsiD4 RsiD5
## 56.691755738 0.478069672 0.100485246 0.049179508 0.030281148
## RsiD6 RsiD7 RsiD8 RsiD9 RsiD10
## 0.021271311 0.016130328 0.013101639 0.011119672 0.009782787
## RsiD15 RsiD20
## 0.006862295 0.006093443
apply(rsi_data1,2,sd) #before scale
## Rsi2 Rsi3 Rsi4 Rsi5 Rsi6 Rsi7
## 30.8283585 25.1476956 21.8925776 19.6827201 18.0495043 16.7803744
## Rsi8 Rsi9 Rsi10 Rsi15 Rsi20 RsiD2
## 15.7598434 14.9178138 14.2085603 11.8212875 10.3922337 3.0592083
## RsiD3 RsiD4 RsiD5 RsiD6 RsiD7 RsiD8
## 0.6905991 0.4349317 0.3377291 0.2869626 0.2535855 0.2310327
## RsiD9 RsiD10 RsiD15 RsiD20
## 0.2144554 0.2015729 0.1615241 0.1385209
Means and Standard Deviation - Scale to Z-score, so that no large values influence the clusters
# standarize variables via scale
rsi_data2 <-data.frame(scale(rsi_data1))
# Confirm it
colMeans(rsi_data2) # scale to z-score with mean=0
## Rsi2 Rsi3 Rsi4 Rsi5 Rsi6
## 1.905494e-17 -9.114408e-17 5.636145e-17 -1.306218e-16 -1.327348e-16
## Rsi7 Rsi8 Rsi9 Rsi10 Rsi15
## 8.553609e-17 -1.410871e-16 -1.718144e-16 4.080866e-17 1.081742e-16
## Rsi20 RsiD2 RsiD3 RsiD4 RsiD5
## 1.567052e-16 3.952894e-19 1.261940e-19 5.743072e-18 -1.081643e-17
## RsiD6 RsiD7 RsiD8 RsiD9 RsiD10
## -3.341476e-20 8.498012e-18 1.496554e-17 -8.083527e-18 -9.297833e-18
## RsiD15 RsiD20
## -3.296686e-18 3.398210e-17
apply(rsi_data2,2,sd) # scale to z-score with standard deviation = 1
## Rsi2 Rsi3 Rsi4 Rsi5 Rsi6 Rsi7 Rsi8 Rsi9 Rsi10 Rsi15
## 1 1 1 1 1 1 1 1 1 1
## Rsi20 RsiD2 RsiD3 RsiD4 RsiD5 RsiD6 RsiD7 RsiD8 RsiD9 RsiD10
## 1 1 1 1 1 1 1 1 1 1
## RsiD15 RsiD20
## 1 1
Clustering Procedure
#Run Variable clustering procedure
library(ClustOfVar)
## Warning: package 'ClustOfVar' was built under R version 3.4.4
var_tree<-hclustvar(rsi_data2)
plot(var_tree)
# interpret the Cluster Dendrogram.
# Example
# rsi15, rsi20, rsi9, rsi10, rsi7 and rsi8 have almost same variances, so can collapse them.
——————————–
Step 03 - decide about variables
——————————–
# Decide number of clusters
stability(var_tree)
##
## Call:
## stability(tree = var_tree)
##
##
## name description
## "$matCR" "matrix of corrected Rand indices"
## "$meanR" "vector of mean corrected Rand indices"
# running take some time, from diagram, estimated number of cluster 14 before it drops variance (remember the elbow theory).
# If you feel that number of clusters should NOT be 14, change the value below. Judgemental call.
var_list<-cutreevar(var_tree,14)
#var_list # showing the fields we can use. Go and display it, i've comment out
summary(var_list) # take note of the last figure - Gain in cohesion (in %): 98.96
##
## Call:
## cutreevar(obj = var_tree, k = 14)
##
##
##
## Data:
## number of observations: 1220
## number of variables: 22
## number of clusters: 14
##
## Cluster 1 :
## squared loading correlation
## 1 1
##
##
## Cluster 2 :
## squared loading correlation
## Rsi4 0.99 1
## Rsi3 0.99 1
##
##
## Cluster 3 :
## squared loading correlation
## Rsi5 1 1
## Rsi6 1 1
##
##
## Cluster 4 :
## squared loading correlation
## Rsi8 1.00 1.00
## Rsi9 1.00 1.00
## Rsi10 0.99 1.00
## Rsi7 0.99 0.99
##
##
## Cluster 5 :
## squared loading correlation
## Rsi20 0.99 1
## Rsi15 0.99 1
##
##
## Cluster 6 :
## squared loading correlation
## 1 1
##
##
## Cluster 7 :
## squared loading correlation
## 1 1
##
##
## Cluster 8 :
## squared loading correlation
## 1 1
##
##
## Cluster 9 :
## squared loading correlation
## 1 1
##
##
## Cluster 10 :
## squared loading correlation
## 1 1
##
##
## Cluster 11 :
## squared loading correlation
## RsiD8 0.99 1
## RsiD7 0.99 1
##
##
## Cluster 12 :
## squared loading correlation
## RsiD9 1 1
## RsiD10 1 1
##
##
## Cluster 13 :
## squared loading correlation
## 1 1
##
##
## Cluster 14 :
## squared loading correlation
## 1 1
##
##
## Gain in cohesion (in %): 98.96
# It does not make sense to use all 22 clusters , that means each variable will end up in 1 cluster
# summary shows different clusters with similiar values, so we can drop those same loading.
# example cluster 2, rsi4 and rsi3 same loading. Pick any one will do
# example cluster 3, rsi5, and rsi6 same loading, pick any one will do.
Drop unrequired variables
drop_list=c("Rsi4", "Rsi5","Rsi8","Rsi9","Rsi10","Rsi20", "Rsi8", "Rsi9") # pick those similar ones can drop
wd_4 <-rsi_data2[,!(names(rsi_data2) %in% drop_list)] # assigned wd_4 as new dataset
str(wd_4) #16 variables left
## 'data.frame': 1220 obs. of 16 variables:
## $ Rsi2 : num -1.4149 0.8516 -0.0619 0.4239 0.957 ...
## $ Rsi3 : num -1.284 0.491 -0.121 0.237 0.747 ...
## $ Rsi6 : num -0.870961 0.124413 -0.220029 -0.000134 0.371178 ...
## $ Rsi7 : num -0.801 0.0697 -0.2346 -0.0389 0.298 ...
## $ Rsi15 : num -0.727 -0.251 -0.413 -0.302 -0.101 ...
## $ RsiD2 : num -0.2037 1.5311 -0.1105 -0.152 -0.0314 ...
## $ RsiD3 : num -0.68 2.205 0.371 0.251 0.173 ...
## $ RsiD4 : num -0.856 1.096 0.538 0.593 0.653 ...
## $ RsiD5 : num -1.002 0.68 0.195 0.659 0.896 ...
## $ RsiD6 : num -0.9523 0.3406 0.0304 0.3859 0.933 ...
## $ RsiD7 : num -0.947 0.279 -0.131 0.248 0.709 ...
## $ RsiD8 : num -0.944 0.181 -0.13 0.103 0.588 ...
## $ RsiD9 : num -0.8865 0.0927 -0.1684 0.0974 0.4471 ...
## $ RsiD10: num -0.8175 0.0805 -0.2122 0.0556 0.4277 ...
## $ RsiD15: num -0.3892 0.2794 -0.0239 0.0937 0.3352 ...
## $ RsiD20: num -0.0151 0.5408 0.252 0.3314 0.4974 ...
——————————–
Step 04 - decide number of clusters
——————————–
set.seed(100)
WithinSS <- (nrow(wd_4)-1)*sum(apply(wd_4,2,var))
for (i in 2:15) WithinSS[i] <- sum(kmeans(wd_4, centers=i)$withinss)
plot(1:15, WithinSS, type="b", xlab="Number of Clusters",ylab="Within groups sum of squares")
#WithinSS
# try manually number of clusters - read the data (between_SS / total_SS = xx%). The higher xx% is better
rsi_try <- kmeans(wd_4,centers=6)
rsi_try ## 70.5 % for 16 variables
## K-means clustering with 6 clusters of sizes 13, 253, 340, 316, 163, 135
##
## Cluster means:
## Rsi2 Rsi3 Rsi6 Rsi7 Rsi15 RsiD2
## 1 0.03336146 -0.5571034 -1.1682161 -1.22681598 -1.2047806 7.07601614
## 2 1.10302477 1.2270677 1.2492735 1.22217394 0.9733240 -0.10589377
## 3 0.26932551 0.3107231 0.3630674 0.37449594 0.4157407 -0.03443960
## 4 -0.78957912 -0.7571399 -0.5957136 -0.55539303 -0.3684703 -0.07874547
## 5 -1.50549989 -1.6068611 -1.5367084 -1.49025543 -1.1866523 -0.29272050
## 6 0.91728775 0.6838734 0.1067160 -0.01610511 -0.4598499 0.14155101
## RsiD3 RsiD4 RsiD5 RsiD6 RsiD7 RsiD8
## 1 5.46890697 3.05134876 1.37874407 0.62765432 0.02800018 -0.34870895
## 2 0.06010839 0.24842015 0.41480113 0.55803723 0.68525543 0.78854196
## 3 0.04611944 0.07047062 0.07030009 0.07483815 0.08161405 0.08488029
## 4 -0.29674901 -0.44101737 -0.49026120 -0.51043940 -0.52278300 -0.52533956
## 5 -0.88720060 -1.19945872 -1.39024624 -1.49071879 -1.54307746 -1.56766277
## 6 1.01038935 1.54366978 1.73897991 1.69998607 1.59436037 1.46451209
## RsiD9 RsiD10 RsiD15 RsiD20
## 1 -0.6067445 -0.80374662 -1.1573453 -1.2162649
## 2 0.8782558 0.95082166 1.1474401 1.1698231
## 3 0.0868590 0.08942688 0.1248369 0.1742831
## 4 -0.5253196 -0.52484948 -0.5067135 -0.4641153
## 5 -1.5689476 -1.55618434 -1.4402129 -1.3324932
## 6 1.3177508 1.17774944 0.5716650 0.1810871
##
## Clustering vector:
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
## 4 3 3 3 3 4 4 3 3 2 2 3 4 3 4
## 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
## 3 2 3 4 4 5 4 3 3 3 2 2 2 2 2
## 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 2 2 2 2 2 2 2 4 3 4 4 5 3 2 4
## 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 4 4 3 4 4 4 5 5 4 4 5 5 5 5 1
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
## 1 4 6 6 4 5 4 3 4 6 6 6 6 2 2
## 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## 2 3 3 4 2 2 2 2 3 3 3 3 3 4 3
## 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
## 3 4 3 5 5 5 4 3 3 4 3 3 6 2 2
## 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 3 3 2 2 2 2 2 3 3 3 4 5 4 3 4
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## 3 6 2 3 3 4 3 3 2 2 2 2 2 4 4
## 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190
## 4 3 4 3 4 4 3 3 3 2 3 2 2 3 3
## 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205
## 4 5 4 4 4 4 3 3 3 4 5 3 4 4 3
## 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 6 3 4 5 5 4 5 6 5 5 5 5 4 6 6
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 6 4 3 3 4 4 4 4 3 6 6 6 6 3 2
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250
## 2 2 2 3 4 3 3 2 2 2 4 5 5 5 5
## 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## 5 5 5 5 1 6 4 5 5 1 6 4 4 4 4
## 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## 6 6 6 6 4 2 5 5 5 4 3 3 3 4 5
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295
## 5 4 6 6 4 4 3 4 6 6 6 2 2 3 2
## 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
## 3 4 4 4 6 2 2 2 2 4 4 3 4 3 4
## 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325
## 4 4 4 3 4 4 4 6 6 2 3 5 4 4 2
## 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 2 2 2 3 2 2 2 3 3 5 5 5 1 5 5
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## 1 4 6 4 6 6 6 6 6 6 2 2 2 3 4
## 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370
## 3 2 2 3 3 3 4 3 3 4 5 5 5 4 5
## 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385
## 4 4 4 6 4 4 6 4 4 4 4 5 4 6 3
## 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 4 6 4 5 5 4 5 5 4 6 6 6 6 5 5
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
## 4 4 6 6 6 3 4 4 3 6 6 2 2 2 2
## 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430
## 2 2 2 2 2 2 3 2 5 4 5 5 5 5 1
## 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 5 4 4 4 5 4 4 4 6 6 4 6 6 3 3
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 4 5 5 4 4 4 5 4 4 5 4 4 6 6 6
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475
## 2 3 4 2 2 2 2 2 2 2 2 2 2 2 2
## 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490
## 3 4 3 3 3 4 3 3 4 3 3 4 3 4 4
## 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505
## 5 5 1 4 3 4 3 4 6 4 4 4 5 4 6
## 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 4 4 3 6 3 6 2 3 3 2 3 3 5 3 3
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## 3 3 2 2 3 3 4 4 3 4 4 3 3 3 3
## 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550
## 4 3 4 4 4 4 3 4 4 3 4 3 3 3 2
## 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565
## 4 4 5 4 3 3 4 4 4 4 6 3 3 2 3
## 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## 3 4 5 4 3 3 4 3 5 4 6 6 2 2 2
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595
## 2 2 2 2 3 2 2 2 2 2 2 3 3 3 4
## 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610
## 4 4 4 4 3 3 3 3 3 5 5 5 5 1 6
## 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## 6 6 4 3 4 4 3 3 3 2 3 3 3 2 2
## 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 2 3 4 4 5 5 5 1 6 6 6 3 3 4 3
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655
## 2 3 3 2 2 2 4 4 3 2 2 2 2 2 2
## 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670
## 2 3 2 2 2 3 2 2 3 5 4 4 3 3 3
## 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 3 3 3 3 4 3 3 4 4 4 3 4 4 5 4
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## 4 6 3 4 4 4 4 4 6 6 2 4 5 5 5
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## 5 5 1 4 5 4 5 4 4 4 6 6 6 4 6
## 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730
## 4 4 5 5 5 5 5 5 4 6 6 6 6 6 6
## 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
## 6 2 2 2 3 3 2 2 2 3 4 4 4 4 3
## 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## 6 2 3 5 5 5 4 6 6 2 2 2 3 2 3
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775
## 4 3 4 4 3 3 2 2 2 2 3 3 3 4 4
## 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790
## 4 5 5 6 6 2 3 3 3 3 2 2 2 3 3
## 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## 4 4 4 3 4 3 3 3 3 2 3 3 3 3 3
## 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 3 3 4 5 4 4 4 5 4 3 4 6 5 5 3
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835
## 6 3 6 6 2 2 2 2 3 4 4 4 4 3 3
## 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850
## 3 3 4 4 4 6 6 2 3 4 3 3 3 3 3
## 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865
## 2 2 4 4 4 4 5 4 3 4 4 6 6 3 3
## 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 3 3 2 3 3 5 4 5 5 3 3 3 3 2 2
## 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895
## 2 3 2 2 2 2 2 3 2 3 3 3 4 4 4
## 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910
## 5 5 4 4 5 3 6 6 4 4 5 5 5 5 5
## 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 5 6 6 4 5 5 5 6 6 6 6 6 6 2 2
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940
## 4 4 5 5 5 1 6 6 3 3 4 3 3 4 4
## 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955
## 3 3 3 4 4 3 3 4 5 4 4 6 6 2 2
## 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970
## 2 2 2 3 3 3 3 2 2 2 2 3 3 4 3
## 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985
## 3 5 5 4 4 3 3 6 2 2 2 2 2 2 3
## 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000
## 4 4 4 3 4 3 4 4 3 3 3 3 3 3 3
## 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015
## 4 3 5 4 4 4 4 6 6 2 2 2 2 2 3
## 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030
## 4 3 3 4 5 3 3 4 3 4 3 3 3 2 2
## 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045
## 2 2 3 3 4 3 3 3 3 2 3 3 5 4 3
## 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060
## 3 3 2 2 2 2 3 3 2 2 3 3 3 5 5
## 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075
## 4 4 5 3 6 3 6 3 3 4 5 4 4 5 5
## 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
## 4 4 6 6 6 6 3 3 2 2 2 2 3 2 2
## 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105
## 2 3 5 5 5 5 5 5 4 4 5 5 4 6 6
## 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## 4 5 5 5 6 4 4 5 4 6 6 6 6 4 3
## 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135
## 2 4 3 3 2 3 3 4 4 4 5 5 5 5 1
## 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150
## 6 6 6 3 6 6 2 2 2 2 2 2 2 2 4
## 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 5 5 5 4 4 4 6 6 2 2 2 2 2 2 2
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180
## 3 3 3 2 4 3 4 4 3 3 2 2 2 4 4
## 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195
## 4 5 5 4 3 3 3 3 3 3 3 2 3 4 4
## 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210
## 4 3 3 3 4 3 2 2 2 2 2 2 2 2 2
## 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225
## 3 3 3 2 2 2 2 2 2 2 2 4 4 5 3
## 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240
## 4 5 5 4 3 3 3 3 3 3 3 2 2 3 3
## 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255
## 4 3 3 3 2 2 2 2 3 3 3 4 5 3 3
## 1256 1257 1258 1259 1260
## 5 5 4 5 5
##
## Within cluster sum of squares by cluster:
## [1] 663.9044 840.6108 1150.6677 1362.6785 597.0387 1143.2432
## (between_SS / total_SS = 70.5 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"
rsi_try <- kmeans(wd_4,centers=15)
## Warning: did not converge in 10 iterations
rsi_try ## 83.1 % for 16 variables
## K-means clustering with 15 clusters of sizes 134, 4, 99, 47, 105, 152, 47, 82, 121, 107, 121, 2, 62, 28, 109
##
## Cluster means:
## Rsi2 Rsi3 Rsi6 Rsi7 Rsi15 RsiD2
## 1 1.18080644 1.34456156 1.5021248 1.5069423 1.370151540 -0.10899400
## 2 0.25681831 -0.31939005 -0.9004355 -0.9651378 -1.109702774 14.05867997
## 3 0.85338090 0.91347559 0.6387601 0.5339172 0.002943507 -0.12057948
## 4 0.88739929 0.53552120 -0.1997125 -0.3406726 -0.814869984 0.18059690
## 5 0.13818990 -0.08428728 -0.1825522 -0.1591082 0.079186938 0.21557611
## 6 0.48303176 0.60395211 0.7597625 0.7829330 0.815988033 -0.09422284
## 7 1.24105405 1.29205006 1.0460634 0.9515741 0.428994956 -0.01650597
## 8 -0.73721894 -0.83930410 -1.0943649 -1.1460515 -1.247733527 -0.14308545
## 9 -0.63660951 -0.28010125 0.1887911 0.2491739 0.348971066 -0.27123485
## 10 -1.33406353 -1.41489139 -1.3235770 -1.2803632 -1.027840121 -0.18539845
## 11 -1.10796794 -0.94709794 -0.4715123 -0.3644995 0.032110978 -0.28540423
## 12 0.55299042 -0.04446426 -0.8682185 -0.9849675 -1.162044788 4.13895659
## 13 -1.67633213 -1.86349773 -1.9237332 -1.8900062 -1.554486075 -0.30791922
## 14 -0.01815231 -0.56134917 -1.0959355 -1.1480449 -1.161419403 2.05218886
## 15 0.78823284 0.56767711 0.1857739 0.1310615 0.034334850 0.06016249
## RsiD3 RsiD4 RsiD5 RsiD6 RsiD7
## 1 0.006937271 0.13719681 0.26673608 0.39345824 0.51139790
## 2 5.916985013 2.58045250 1.27089704 0.42593946 -0.10304345
## 3 0.043015798 0.28255289 0.53880878 0.76493062 0.94491650
## 4 1.449441193 2.24332445 2.38689299 2.14456371 1.86851012
## 5 0.377105944 0.23704111 0.04910895 -0.08846309 -0.19877522
## 6 -0.067616320 -0.04019514 -0.01715667 0.02033001 0.07744689
## 7 0.540517198 1.13696331 1.57508776 1.84687496 2.00460085
## 8 -0.177343185 -0.15588991 -0.08460578 -0.05725432 -0.06673492
## 9 -0.569115538 -0.62194098 -0.57432755 -0.48265079 -0.38641729
## 10 -0.689986290 -0.97452644 -1.13866876 -1.21820664 -1.25500785
## 11 -0.690019060 -0.85925384 -0.91060376 -0.90903172 -0.89192755
## 12 11.606609833 8.17788358 3.65446456 2.25544628 1.26533119
## 13 -1.026786900 -1.41109041 -1.66130650 -1.82252722 -1.92752177
## 14 2.163153432 1.34019197 0.72671610 0.32239187 -0.02994892
## 15 0.632134370 0.87666274 0.92537550 0.83799012 0.71241710
## RsiD8 RsiD9 RsiD10 RsiD15 RsiD20
## 1 0.62100722 0.72436031 0.8231200 1.16093046 1.2923038
## 2 -0.44518213 -0.62889366 -0.7095833 -0.68635122 -0.6395675
## 3 1.06329500 1.13923276 1.1820423 1.11073444 0.8857470
## 4 1.59913086 1.33533418 1.1118102 0.31685825 -0.1381452
## 5 -0.28842223 -0.35609863 -0.4018015 -0.44702389 -0.3848010
## 6 0.13465143 0.17835289 0.2194262 0.36644884 0.4670015
## 7 2.07995066 2.10988379 2.0892295 1.80165041 1.4466840
## 8 -0.09175843 -0.15352629 -0.2404376 -0.63946553 -0.9010409
## 9 -0.28346664 -0.18927356 -0.1103190 0.18284820 0.3263341
## 10 -1.27120706 -1.26287280 -1.2423675 -1.12921200 -1.0516988
## 11 -0.85517200 -0.81334123 -0.7632829 -0.52610089 -0.3133643
## 12 0.47784730 -0.08216006 -0.5074232 -1.23425692 -1.4842056
## 13 -1.99589811 -2.02737196 -2.0358063 -1.95251565 -1.8266485
## 14 -0.28193995 -0.47534862 -0.6337512 -1.03525969 -1.1193818
## 15 0.57066945 0.45162203 0.3416560 -0.03493045 -0.1648601
##
## Clustering vector:
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
## 11 15 5 15 15 9 9 5 5 7 7 9 11 9 9
## 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
## 6 6 9 11 11 10 5 15 15 15 3 3 3 1 1
## 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 1 1 1 1 1 1 1 9 9 11 11 11 5 15 5
## 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 11 11 5 5 11 11 10 10 14 8 10 10 13 13 14
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
## 14 8 4 4 8 10 8 8 8 4 7 7 7 7 3
## 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## 3 6 9 11 1 1 1 1 9 6 9 6 9 11 6
## 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
## 6 11 5 10 13 13 14 15 15 8 15 15 7 3 3
## 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 9 6 1 1 1 6 1 9 9 9 9 10 5 5 11
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## 5 15 15 6 9 9 6 6 6 1 1 1 1 9 9
## 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190
## 9 5 9 5 11 11 5 15 5 15 6 1 1 9 6
## 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205
## 11 11 5 5 11 11 5 15 15 11 10 5 5 5 15
## 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 15 15 11 10 10 14 10 15 13 13 13 10 14 15 15
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 15 8 8 8 8 10 8 8 15 4 3 3 3 9 3
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250
## 3 3 3 6 9 6 6 6 6 1 9 11 13 13 10
## 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## 13 13 13 13 12 4 8 13 13 14 4 8 8 8 8
## 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## 4 4 7 3 9 7 10 10 10 8 5 5 15 10 10
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295
## 10 14 4 4 8 8 8 8 15 3 3 7 3 3 3
## 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
## 6 9 11 11 7 7 3 1 1 9 9 9 11 6 11
## 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325
## 11 5 11 5 5 11 8 15 15 3 9 10 9 11 3
## 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 3 3 1 6 6 6 6 9 9 13 13 13 14 13 13
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## 14 14 14 8 4 4 4 7 7 7 3 3 3 9 9
## 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370
## 6 1 1 9 9 6 9 6 6 9 13 10 10 10 13
## 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385
## 14 10 8 4 8 8 15 8 8 8 8 10 8 15 15
## 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 8 15 8 10 10 8 10 10 8 14 4 4 3 13 10
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
## 8 8 15 4 3 3 8 8 5 3 7 3 3 7 3
## 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430
## 3 1 1 1 1 1 6 1 11 11 13 10 13 13 14
## 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 10 8 8 8 13 8 8 14 4 4 8 3 3 3 3
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 9 10 13 10 5 8 10 8 8 10 8 8 4 7 7
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475
## 3 3 9 3 7 7 1 1 1 1 1 1 1 1 1
## 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490
## 9 9 6 6 9 9 6 6 11 6 5 9 6 11 11
## 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505
## 13 13 14 8 5 8 15 8 15 5 8 11 10 5 15
## 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 5 8 5 15 5 3 3 3 6 3 9 6 10 6 6
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## 6 6 7 1 6 6 9 9 9 9 11 5 15 6 6
## 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550
## 11 6 11 11 11 5 15 5 11 15 11 5 5 5 15
## 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565
## 9 11 10 11 15 15 5 10 5 5 3 15 15 3 9
## 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## 9 9 10 11 5 5 5 5 10 5 15 7 7 3 1
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595
## 1 1 1 1 9 1 1 6 6 1 6 6 9 6 11
## 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610
## 11 11 5 5 5 15 15 6 9 13 13 13 13 12 4
## 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## 4 15 8 15 8 8 15 15 15 3 9 9 6 3 3
## 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 1 9 9 11 10 13 13 2 14 4 4 15 3 9 6
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655
## 3 6 9 3 1 1 9 11 9 1 1 1 1 1 1
## 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670
## 1 6 1 1 1 6 6 1 9 11 11 11 5 5 15
## 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 15 9 6 9 11 6 5 11 5 11 5 11 11 13 5
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## 5 15 15 8 8 8 5 8 15 7 3 9 13 13 13
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## 13 13 2 14 13 8 10 8 8 8 4 4 4 8 7
## 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730
## 9 8 10 10 10 13 13 13 14 4 4 4 7 3 3
## 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
## 7 3 3 3 3 9 3 3 3 6 11 11 11 11 14
## 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## 15 15 6 10 10 10 5 15 4 3 3 3 6 6 9
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775
## 11 6 11 9 5 6 3 1 1 1 6 6 6 11 9
## 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790
## 11 10 10 4 7 15 6 9 6 6 1 1 1 6 6
## 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## 11 11 9 5 11 5 6 15 6 6 6 6 6 6 9
## 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 6 6 11 11 5 11 5 10 5 5 8 15 10 10 5
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835
## 15 15 15 3 3 3 3 1 6 9 9 11 11 5 15
## 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850
## 5 6 11 11 11 15 15 7 6 9 6 6 6 6 6
## 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865
## 6 6 9 11 11 11 10 11 5 10 5 4 15 5 6
## 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 6 6 7 6 6 13 11 10 10 5 15 5 15 3 7
## 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895
## 3 6 1 1 1 1 1 6 1 6 9 6 11 11 11
## 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910
## 10 13 10 8 10 14 4 15 8 11 13 10 10 13 10
## 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 13 4 4 8 10 10 13 14 15 4 4 7 7 3 3
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940
## 9 11 10 10 10 2 4 4 15 3 9 3 9 11 11
## 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955
## 5 15 15 9 11 15 15 11 10 10 5 4 7 7 3
## 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970
## 3 1 1 9 9 9 9 6 1 1 1 6 9 11 9
## 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985
## 6 10 10 10 5 5 15 15 15 3 3 3 1 1 9
## 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000
## 11 9 11 6 9 5 11 11 5 15 6 15 9 9 6
## 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015
## 9 15 10 11 11 11 5 15 7 7 7 1 1 1 9
## 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030
## 9 6 9 11 10 5 5 5 5 11 15 6 6 15 1
## 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045
## 1 1 6 9 9 6 6 6 9 6 6 6 11 5 5
## 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060
## 6 6 6 1 1 1 6 6 1 1 9 6 6 13 13
## 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075
## 10 10 10 15 15 15 15 15 15 11 10 5 10 10 13
## 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
## 14 8 15 4 3 3 3 6 3 3 1 1 6 1 1
## 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105
## 1 6 10 13 10 10 10 10 14 8 10 13 14 4 4
## 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## 8 10 10 10 14 8 8 10 8 15 4 7 7 9 9
## 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135
## 3 9 6 3 3 6 9 11 11 11 10 10 13 13 2
## 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150
## 4 4 15 8 3 7 7 3 3 3 1 1 1 1 11
## 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 10 10 13 14 10 8 7 7 7 7 1 1 1 1 1
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180
## 6 9 6 6 9 6 9 11 6 6 1 1 1 11 9
## 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195
## 11 10 10 5 5 5 15 5 5 15 15 3 6 9 11
## 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210
## 11 5 5 15 11 15 15 3 1 1 1 1 1 1 1
## 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225
## 6 6 6 1 1 1 1 1 1 1 1 11 9 11 5
## 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240
## 11 10 10 5 5 15 15 5 15 6 6 6 1 6 6
## 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255
## 11 9 6 6 6 1 1 1 6 6 9 11 10 5 5
## 1256 1257 1258 1259 1260
## 10 13 5 10 13
##
## Within cluster sum of squares by cluster:
## [1] 258.01165 37.20620 247.10386 303.02975 221.02774 257.76465 271.96598
## [8] 240.52045 215.68388 272.27245 181.45682 40.58467 162.74854 288.16232
## [15] 301.39858
## (between_SS / total_SS = 83.1 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"
## Warning: did *not* converge in specified number of iterations
——————————–
Step 05 - Iterate for final solution
——————————–
# Let's try with less number of variables.
# Keep in mind that more variables add the variability in the data
# Let me show it to you with 4 variables
wd_5 <-wd_4 [c(1,3,5,7)] # randomly pick 4 variables and assigned to wd_5
str(wd_5) #4 variables
## 'data.frame': 1220 obs. of 4 variables:
## $ Rsi2 : num -1.4149 0.8516 -0.0619 0.4239 0.957 ...
## $ Rsi6 : num -0.870961 0.124413 -0.220029 -0.000134 0.371178 ...
## $ Rsi15: num -0.727 -0.251 -0.413 -0.302 -0.101 ...
## $ RsiD3: num -0.68 2.205 0.371 0.251 0.173 ...
set.seed(100)
WithinSS <- (nrow(wd_5)-1)*sum(apply(wd_5,2,var))
for (i in 2:15) WithinSS[i] <- sum(kmeans(wd_5,centers=i)$withinss)
plot(1:15, WithinSS, type="b", xlab="Number of Clusters",ylab="Within groups sum of squares")
rsi_try <- kmeans(wd_5,centers=6)
rsi_try # achieve 77.7 % - 4 variables with 6 clusters, most variance higher than previous 70.5%
## K-means clustering with 6 clusters of sizes 12, 316, 140, 297, 237, 218
##
## Cluster means:
## Rsi2 Rsi6 Rsi15 RsiD3
## 1 0.2607081 -0.8797932 -1.0397442 5.97261304
## 2 0.7606121 0.4979312 0.2703427 0.29100883
## 3 0.3882891 -0.5562559 -0.8888905 1.11505730
## 4 -0.7069951 -0.1007235 0.2107974 -0.53470926
## 5 -1.3263746 -1.4158983 -1.2757435 -0.71381181
## 6 1.0389263 1.3604122 1.3359526 0.03781596
##
## Clustering vector:
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
## 5 3 3 2 2 4 4 4 2 2 6 4 4 2 4
## 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
## 2 2 4 4 4 5 3 3 2 2 2 2 2 6 6
## 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 6 6 6 6 6 6 6 4 4 4 4 4 2 6 4
## 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 4 4 2 4 4 4 5 5 3 3 5 5 5 5 3
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
## 1 5 3 3 5 5 5 3 5 3 2 2 2 2 2
## 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## 2 4 4 4 2 6 6 6 4 2 4 6 4 4 2
## 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
## 2 4 2 5 5 5 3 3 3 4 2 2 2 2 6
## 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 4 2 6 6 6 6 6 4 4 4 4 5 4 2 4
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## 2 2 2 4 4 4 2 2 6 6 6 6 6 4 4
## 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190
## 4 2 4 2 4 4 2 2 2 6 2 6 6 4 6
## 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205
## 4 4 2 4 4 4 2 2 2 4 5 2 4 4 2
## 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 2 2 4 5 5 3 5 3 5 5 5 5 3 3 3
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 3 5 3 3 5 5 5 5 3 3 3 2 2 4 2
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250
## 2 2 2 4 4 2 2 2 2 2 4 5 5 5 5
## 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## 5 5 5 5 1 3 5 5 5 1 3 5 5 5 5
## 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## 3 3 3 3 5 2 5 5 5 3 3 3 3 5 5
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295
## 5 3 3 3 5 5 3 5 3 3 2 2 2 2 2
## 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
## 2 4 5 5 2 2 2 6 6 4 4 4 4 2 4
## 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325
## 4 4 4 2 4 4 4 2 2 2 4 5 4 4 2
## 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 6 6 6 4 6 6 6 4 4 5 5 5 1 5 5
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## 3 3 3 5 3 3 3 2 2 2 2 2 2 4 4
## 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370
## 2 2 2 4 4 2 4 2 2 4 5 5 5 5 5
## 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385
## 3 5 5 3 5 5 3 5 5 5 5 5 5 3 3
## 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 5 3 5 5 5 5 5 5 5 3 3 3 3 5 5
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
## 3 3 3 3 3 4 5 5 3 3 2 2 2 6 2
## 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430
## 2 2 6 6 6 6 4 6 4 4 5 5 5 5 1
## 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 5 5 5 5 5 5 5 3 3 3 5 2 2 4 4
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 4 5 5 5 3 5 5 3 5 5 3 5 3 2 2
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475
## 2 4 4 2 6 6 6 6 6 6 6 6 6 6 6
## 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490
## 4 4 6 6 4 4 6 6 4 2 2 4 2 4 4
## 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505
## 5 5 3 3 3 4 2 4 2 4 4 5 5 3 3
## 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 4 5 4 2 4 2 2 2 2 2 4 2 5 2 2
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## 2 2 6 6 4 4 4 4 4 4 4 2 2 2 4
## 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550
## 4 2 4 4 4 4 2 4 4 2 4 4 2 2 2
## 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565
## 4 4 5 4 3 2 4 5 4 3 2 4 2 2 4
## 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## 4 4 5 4 3 2 4 4 5 3 2 2 6 2 6
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595
## 6 6 6 6 4 6 6 6 6 6 6 6 4 6 4
## 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610
## 4 4 2 4 2 2 6 6 4 5 5 5 5 1 3
## 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## 2 4 5 4 4 5 2 2 2 2 4 4 2 2 2
## 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 6 4 4 4 5 5 5 1 3 2 2 4 2 4 2
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655
## 2 2 4 2 6 6 4 4 2 6 6 6 6 6 6
## 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670
## 6 6 6 6 6 6 6 6 6 4 4 4 2 2 2
## 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 6 4 2 4 4 2 2 4 4 4 2 4 4 5 3
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## 3 2 2 4 4 4 4 4 2 6 2 4 5 5 5
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## 5 5 1 3 5 5 5 5 5 3 3 3 3 5 2
## 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730
## 5 5 5 5 5 5 5 5 3 3 3 3 3 3 3
## 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
## 2 2 2 2 2 4 2 2 2 4 4 5 5 5 3
## 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## 2 2 4 5 5 5 3 3 2 2 2 6 4 2 4
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775
## 4 2 4 4 2 2 2 6 6 6 4 6 4 4 4
## 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790
## 4 5 5 1 6 2 2 4 2 2 6 6 6 4 6
## 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## 4 4 4 2 4 2 2 2 2 6 2 6 2 2 4
## 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 2 2 4 4 4 4 3 5 3 2 4 2 5 5 3
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835
## 3 2 2 2 2 2 6 6 4 4 4 4 4 2 2
## 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850
## 2 2 4 5 4 2 2 6 4 4 2 2 2 2 2
## 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865
## 6 6 4 4 4 4 5 4 3 5 4 2 2 4 2
## 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 2 2 6 2 2 5 4 5 5 3 2 2 2 2 6
## 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895
## 6 4 6 6 6 6 6 6 6 6 4 6 4 4 4
## 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910
## 4 5 3 3 5 3 2 2 4 5 5 5 5 5 5
## 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 5 1 3 5 5 5 5 3 3 3 3 2 2 2 2
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940
## 5 5 5 5 5 1 3 2 4 2 5 2 4 5 5
## 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955
## 3 3 2 4 5 2 2 4 5 5 3 3 2 2 2
## 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970
## 2 6 6 4 4 4 4 6 6 6 6 6 4 4 2
## 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985
## 2 5 5 4 3 2 2 2 2 2 6 6 6 6 4
## 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000
## 4 4 4 2 4 4 4 4 2 2 2 2 4 4 2
## 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015
## 4 2 5 4 4 5 4 2 6 6 6 6 6 6 4
## 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030
## 4 6 4 4 4 2 2 4 2 4 2 2 2 6 6
## 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045
## 6 6 6 4 4 6 6 2 4 6 6 6 4 4 2
## 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060
## 2 2 6 6 6 6 6 6 6 6 4 6 6 5 5
## 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075
## 3 3 5 3 2 2 2 2 2 4 5 4 5 5 5
## 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
## 3 3 3 2 2 2 4 2 2 2 6 6 2 6 6
## 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105
## 6 4 4 5 5 5 5 5 3 5 5 5 3 3 3
## 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## 5 5 5 5 3 5 5 5 5 3 3 2 2 5 4
## 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135
## 2 5 2 2 2 4 4 5 5 4 5 5 5 5 1
## 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150
## 3 3 3 5 2 2 2 2 2 2 6 6 6 6 4
## 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 5 5 5 3 3 5 6 6 6 6 4 6 6 6 6
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180
## 6 4 6 6 4 6 4 4 2 6 6 6 6 4 4
## 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195
## 4 5 4 3 2 2 2 4 4 2 2 6 2 4 4
## 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210
## 4 2 2 2 4 2 2 2 6 6 6 6 6 6 6
## 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225
## 6 6 6 6 6 6 6 6 6 6 6 4 6 4 2
## 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240
## 4 5 5 3 2 2 2 4 2 2 2 6 6 2 2
## 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255
## 4 4 2 6 6 6 6 6 6 6 4 4 4 2 2
## 1256 1257 1258 1259 1260
## 4 5 3 5 5
##
## Within cluster sum of squares by cluster:
## [1] 130.2873 212.8261 194.6903 218.8425 204.4251 127.3655
## (between_SS / total_SS = 77.7 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"
How about 3 variables only ?
wd_5 <-wd_4 [c(1,3,7)]
str(wd_5)
## 'data.frame': 1220 obs. of 3 variables:
## $ Rsi2 : num -1.4149 0.8516 -0.0619 0.4239 0.957 ...
## $ Rsi6 : num -0.870961 0.124413 -0.220029 -0.000134 0.371178 ...
## $ RsiD3: num -0.68 2.205 0.371 0.251 0.173 ...
set.seed(100)
WithinSS <- (nrow(wd_5)-1)*sum(apply(wd_5,2,var))
for (i in 2:15) WithinSS[i] <- sum(kmeans(wd_5, centers=i)$withinss)
plot(1:15, WithinSS, type="b", xlab="Number of Clusters", ylab="Within groups sum of squares")
rsi_try <- kmeans(wd_5, centers=5)
rsi_try # achieve 77.5 % with only 3 variables !!!
## K-means clustering with 5 clusters of sizes 12, 401, 195, 328, 284
##
## Cluster means:
## Rsi2 Rsi6 RsiD3
## 1 0.2607081 -0.87979317 5.9726130
## 2 1.0193720 1.03261131 0.1292434
## 3 0.5292460 -0.28421484 1.1068975
## 4 -0.4142859 0.04854894 -0.3943958
## 5 -1.3352600 -1.28176681 -0.7393703
##
## Clustering vector:
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
## 5 3 4 3 2 4 4 4 3 2 2 4 4 4 4
## 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
## 2 2 4 5 5 5 4 3 3 2 2 2 2 2 2
## 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 2 2 2 2 2 2 2 4 4 4 5 5 3 3 4
## 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 4 5 3 4 5 5 5 5 3 5 5 5 5 5 3
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
## 1 5 3 3 5 5 5 3 5 3 2 2 2 2 2
## 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## 2 4 4 5 2 2 2 2 4 2 4 2 4 4 2
## 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
## 2 4 4 5 5 5 3 3 3 5 4 4 2 2 2
## 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 4 2 2 2 2 2 2 4 4 4 4 5 4 3 4
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## 3 2 2 4 4 4 2 2 2 2 2 2 2 4 4
## 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190
## 4 4 4 2 5 5 3 3 4 2 2 2 2 4 2
## 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205
## 4 5 4 4 4 5 3 3 4 4 5 3 4 4 3
## 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 2 4 4 5 5 3 5 3 5 5 5 5 3 3 3
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 3 5 4 4 5 5 5 5 3 3 3 2 2 4 2
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250
## 2 2 2 4 4 4 2 2 2 2 4 5 5 5 5
## 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## 5 5 5 5 1 3 5 5 5 1 3 5 5 5 5
## 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## 3 3 2 4 5 2 5 5 5 3 3 3 3 5 5
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295
## 5 3 3 3 5 5 4 4 3 3 2 2 2 4 2
## 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
## 4 4 5 5 3 2 2 2 2 4 4 4 4 2 4
## 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325
## 5 4 4 3 4 4 4 3 2 2 4 5 4 4 3
## 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 2 2 2 4 2 2 2 4 4 5 5 5 1 5 5
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## 3 3 3 5 3 3 3 2 2 2 2 2 2 4 4
## 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370
## 4 2 2 4 4 2 4 2 2 4 5 5 5 5 5
## 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385
## 3 5 5 3 5 5 3 5 4 5 4 5 5 3 3
## 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 5 3 5 5 5 5 5 5 5 3 3 3 4 5 5
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
## 4 3 3 3 3 4 5 5 3 3 2 2 2 2 4
## 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430
## 2 2 2 2 2 2 4 2 5 5 5 5 5 5 1
## 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 5 5 5 5 5 5 5 3 3 3 4 2 2 4 4
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 4 5 5 5 3 5 5 4 5 5 3 5 3 2 2
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475
## 4 4 4 2 2 2 2 2 2 2 4 2 2 2 2
## 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490
## 4 4 2 2 4 4 2 2 4 2 4 4 2 5 5
## 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505
## 5 5 3 3 3 4 3 4 3 4 4 5 5 3 3
## 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 4 5 4 3 4 2 2 2 4 2 4 2 5 2 2
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## 4 4 2 2 4 4 4 4 4 4 5 3 2 2 4
## 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550
## 4 2 4 4 5 4 3 4 4 2 4 4 4 3 2
## 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565
## 4 5 5 4 3 3 4 5 4 4 3 4 4 2 4
## 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## 4 4 5 4 3 3 4 4 5 4 3 2 2 2 2
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595
## 2 2 2 2 4 2 2 2 2 2 2 2 4 2 4
## 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610
## 5 4 3 4 3 2 2 2 4 5 5 5 5 1 3
## 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## 3 4 5 4 4 5 3 3 2 2 4 4 2 2 2
## 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 2 4 4 4 5 5 5 1 3 3 2 4 2 4 4
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655
## 2 2 4 2 2 2 4 4 4 2 2 2 2 2 2
## 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670
## 2 4 2 2 2 2 2 2 4 5 4 4 3 3 2
## 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 2 4 4 4 5 2 4 5 4 4 3 5 5 5 3
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## 3 3 4 4 4 4 4 4 3 2 2 4 5 5 5
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## 5 5 1 3 5 5 5 5 5 3 3 3 3 5 2
## 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730
## 5 5 5 5 5 5 5 5 3 3 3 3 2 4 4
## 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
## 2 4 4 2 2 4 2 2 2 4 5 5 5 5 3
## 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## 3 2 4 5 5 5 3 3 2 2 2 2 4 2 4
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775
## 5 2 4 4 4 2 2 2 2 2 4 2 4 5 4
## 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790
## 5 5 5 1 2 2 4 4 2 2 2 2 2 4 4
## 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## 5 4 4 3 4 3 2 2 4 2 4 2 4 2 4
## 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 2 2 5 5 4 5 3 5 3 3 5 3 5 5 3
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835
## 3 3 2 2 2 2 2 2 4 4 4 5 4 3 3
## 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850
## 4 2 5 5 5 3 2 2 4 4 4 2 2 2 2
## 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865
## 2 2 4 5 4 4 5 4 3 5 4 3 2 4 4
## 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 2 2 2 2 4 5 4 5 5 3 3 4 2 2 2
## 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895
## 2 4 2 2 2 2 2 4 2 2 4 2 5 4 5
## 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910
## 5 5 3 3 5 3 3 3 5 5 5 5 5 5 5
## 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 5 1 3 5 5 5 5 3 3 3 3 2 2 4 4
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940
## 5 5 5 5 5 1 3 3 4 4 5 2 4 5 5
## 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955
## 3 3 3 4 5 3 3 4 5 5 3 3 2 2 2
## 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970
## 2 2 2 4 4 4 4 2 2 2 2 2 4 5 4
## 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985
## 2 5 5 4 3 3 3 2 2 2 2 2 2 2 4
## 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000
## 4 4 4 3 4 4 4 5 3 3 2 2 4 4 4
## 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015
## 4 2 5 4 4 5 4 3 2 2 2 2 2 2 4
## 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030
## 4 2 4 4 5 3 3 4 4 4 2 2 2 2 2
## 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045
## 2 2 4 4 4 2 2 4 4 2 2 2 5 4 4
## 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060
## 2 2 2 2 2 2 2 2 2 2 4 2 2 5 5
## 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075
## 3 3 5 3 3 4 2 2 2 4 5 4 5 5 5
## 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
## 3 4 3 2 2 2 4 4 2 2 2 2 4 2 2
## 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105
## 2 4 5 5 5 5 5 5 3 5 5 5 3 3 3
## 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## 4 5 5 5 3 5 5 5 5 3 3 2 2 4 4
## 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135
## 2 4 4 2 2 4 4 5 5 4 5 5 5 5 1
## 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150
## 3 3 4 4 2 2 2 2 4 2 2 2 2 2 4
## 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 5 5 5 3 3 5 2 2 2 2 4 2 2 2 2
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180
## 2 4 2 2 4 2 4 4 2 2 2 2 2 4 4
## 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195
## 4 5 5 3 3 3 2 4 4 2 2 2 2 4 4
## 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210
## 5 3 3 2 5 2 2 2 2 2 2 2 2 2 2
## 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225
## 4 4 4 2 2 2 2 2 2 2 2 4 4 4 3
## 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240
## 4 5 5 3 3 2 2 4 2 2 2 2 2 4 2
## 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255
## 4 4 2 2 2 2 2 2 2 2 4 4 5 3 3
## 1256 1257 1258 1259 1260
## 5 5 3 5 5
##
## Within cluster sum of squares by cluster:
## [1] 124.5988 171.2600 194.4557 169.2453 162.7329
## (between_SS / total_SS = 77.5 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"
rsi_try <- kmeans(wd_5, centers=6)
rsi_try # achieve 80.7% with only 3 variables !!!
## K-means clustering with 6 clusters of sizes 327, 257, 175, 173, 12, 276
##
## Cluster means:
## Rsi2 Rsi6 RsiD3
## 1 1.1311737 1.1329361 0.1694683
## 2 0.1148546 0.3863466 -0.1928665
## 3 -1.5119619 -1.5521548 -0.8925990
## 4 0.5838728 -0.2775983 1.1951928
## 5 0.2607081 -0.8797932 5.9726130
## 6 -0.8657847 -0.5056234 -0.4640737
##
## Clustering vector:
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
## 6 4 2 2 1 6 6 2 2 1 1 6 6 2 6
## 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
## 2 1 2 6 6 3 6 4 4 2 1 1 1 1 1
## 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 1 1 1 1 1 1 1 6 2 6 6 3 4 4 2
## 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 6 6 4 2 6 6 3 3 4 6 3 3 3 3 4
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
## 5 3 4 4 6 3 3 4 6 4 1 1 1 1 1
## 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## 2 2 6 6 1 1 1 1 2 2 2 1 2 6 1
## 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
## 2 6 2 6 3 3 4 4 4 6 2 2 1 1 1
## 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 2 2 1 1 1 2 1 2 2 2 6 3 6 4 6
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## 2 1 1 2 2 6 2 1 1 1 1 1 1 6 2
## 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190
## 6 2 6 2 6 6 2 4 2 1 1 1 1 2 1
## 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205
## 6 6 2 2 6 6 4 4 2 6 3 2 6 6 4
## 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 1 2 6 3 3 4 6 4 3 3 3 3 4 4 4
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 4 3 6 6 6 3 6 3 4 4 4 1 1 6 2
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250
## 1 1 1 2 6 2 2 1 1 1 6 3 3 3 6
## 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## 3 3 3 3 5 4 3 3 3 5 4 3 3 6 6
## 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## 4 4 1 2 6 1 3 3 3 4 4 4 4 3 3
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295
## 3 4 4 4 6 6 6 6 4 4 1 1 2 2 1
## 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
## 2 6 6 6 4 1 1 1 1 6 6 2 6 1 6
## 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325
## 6 2 6 2 6 6 6 4 1 1 2 3 2 6 4
## 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 1 1 1 2 1 1 1 2 2 3 3 3 5 3 3
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## 4 4 4 3 4 4 4 1 1 1 1 1 1 6 6
## 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370
## 2 1 1 2 6 2 6 1 1 6 3 3 3 6 3
## 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385
## 4 3 6 4 6 6 4 6 6 6 6 3 6 4 4
## 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 3 2 6 3 3 6 3 3 3 4 4 2 2 3 3
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
## 6 6 4 4 4 6 3 3 4 4 1 1 1 1 2
## 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430
## 2 1 1 1 1 1 2 1 6 6 3 3 3 3 5
## 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 3 6 6 3 3 6 6 4 4 4 6 2 1 2 2
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 6 3 3 6 4 6 3 6 6 3 6 6 4 1 1
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475
## 2 6 6 2 1 1 1 1 1 1 2 1 1 1 1
## 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490
## 2 6 2 1 2 6 1 2 6 2 2 6 1 6 6
## 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505
## 3 3 4 6 4 6 4 6 4 6 6 3 3 4 4
## 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 6 6 2 4 2 1 1 2 2 1 2 1 3 2 2
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## 2 2 1 1 2 2 6 6 2 6 6 4 1 1 2
## 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550
## 6 2 6 6 3 6 4 2 6 2 6 2 2 2 1
## 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565
## 6 6 3 6 4 4 6 3 6 2 4 2 2 1 2
## 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## 2 6 3 6 4 4 6 2 3 2 4 1 1 2 1
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595
## 1 1 1 1 6 1 1 1 1 1 1 2 2 1 6
## 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610
## 6 6 4 6 4 1 1 1 6 3 3 3 3 5 4
## 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## 4 2 6 2 6 6 4 2 1 1 6 2 2 1 1
## 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 1 6 6 6 3 3 3 5 4 4 1 2 2 6 2
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655
## 1 2 6 1 1 1 6 6 2 1 1 1 1 1 1
## 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670
## 1 2 1 1 1 1 1 1 2 6 6 6 4 2 1
## 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 1 2 2 2 6 2 2 6 2 6 4 6 6 3 4
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## 4 4 2 6 6 6 6 6 4 1 2 6 3 3 3
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## 3 3 5 4 3 6 3 3 3 6 4 4 4 3 1
## 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730
## 6 6 3 3 3 3 3 3 4 4 4 4 4 2 2
## 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
## 1 2 2 2 2 6 1 1 2 2 6 6 6 6 4
## 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## 4 1 2 3 3 3 4 4 1 2 1 1 2 2 2
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775
## 6 2 6 2 2 1 1 1 1 1 2 2 2 6 2
## 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790
## 6 3 3 5 1 2 2 6 2 1 1 1 1 2 2
## 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## 6 6 6 4 6 2 1 1 2 1 2 1 2 2 6
## 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 2 2 6 3 2 6 4 3 4 4 6 4 3 3 4
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835
## 4 4 1 1 1 1 1 1 2 6 6 6 6 4 4
## 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850
## 2 2 6 3 6 4 1 1 2 6 2 1 1 1 1
## 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865
## 1 1 6 6 6 6 3 6 4 6 6 4 1 2 2
## 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 2 1 1 2 2 3 6 6 6 4 4 2 2 1 1
## 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895
## 1 2 1 1 1 1 1 2 1 2 2 2 6 6 6
## 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910
## 3 3 4 6 3 4 4 2 6 6 3 6 6 3 3
## 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 3 5 4 6 3 3 3 4 4 4 4 1 1 2 2
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940
## 6 3 3 3 3 5 4 4 2 2 6 2 2 6 6
## 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955
## 4 4 2 6 3 4 4 6 3 6 4 4 1 1 1
## 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970
## 1 1 1 2 2 2 2 1 1 1 1 2 6 6 2
## 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985
## 1 3 3 6 4 4 4 1 1 1 1 1 1 1 2
## 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000
## 6 2 6 4 6 2 6 6 4 4 2 1 6 2 2
## 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015
## 6 1 3 6 6 6 6 4 1 1 1 1 1 1 2
## 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030
## 6 1 2 6 3 4 4 2 2 6 2 2 1 1 1
## 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045
## 1 1 2 2 6 1 1 2 2 1 2 1 6 2 2
## 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060
## 1 1 1 1 1 1 2 1 1 1 2 2 2 3 3
## 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075
## 6 4 3 4 4 2 1 2 2 6 3 2 6 3 3
## 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
## 4 6 4 1 2 1 2 2 1 1 1 1 2 1 1
## 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105
## 1 2 3 3 6 6 3 3 4 6 3 3 4 4 4
## 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## 6 3 3 3 4 6 3 3 3 4 4 1 2 6 6
## 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135
## 2 6 2 2 1 2 6 6 3 6 3 3 3 3 5
## 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150
## 4 4 2 6 2 1 1 1 2 1 1 1 1 1 6
## 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 3 3 3 4 6 6 1 1 1 1 2 1 1 1 1
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180
## 2 2 2 1 6 2 2 6 1 1 1 1 1 6 2
## 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195
## 6 3 6 4 4 4 1 2 2 1 1 1 2 6 6
## 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210
## 3 4 4 1 6 2 1 1 1 1 1 1 1 1 1
## 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225
## 2 2 2 1 1 1 1 1 1 1 1 6 2 6 2
## 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240
## 6 3 3 4 4 1 1 2 2 1 1 1 1 2 2
## 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255
## 6 2 1 1 1 1 1 1 2 1 2 6 3 4 2
## 1256 1257 1258 1259 1260
## 6 3 4 6 3
##
## Within cluster sum of squares by cluster:
## [1] 114.82430 97.41031 60.88579 167.77922 124.59883 137.08365
## (between_SS / total_SS = 80.8 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"
rsi_try <- kmeans(wd_5, centers=7)
rsi_try # achieve 83.6 % with only 3 variables !!!
## K-means clustering with 7 clusters of sizes 271, 297, 180, 127, 12, 228, 105
##
## Cluster means:
## Rsi2 Rsi6 RsiD3
## 1 0.2963076 0.3752582 -0.07974519
## 2 1.1540061 1.1916699 0.15078832
## 3 -1.5013075 -1.5119767 -0.91399175
## 4 0.7434887 -0.1053112 1.38106000
## 5 0.2607081 -0.8797932 5.97261304
## 6 -0.9102105 -0.2312044 -0.63430579
## 7 -0.4078797 -1.0173188 0.37048643
##
## Clustering vector:
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
## 3 4 1 1 1 6 6 1 1 2 2 6 6 1 6
## 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
## 1 2 6 6 6 3 7 4 4 1 2 2 2 2 2
## 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 2 2 2 2 2 2 2 6 1 6 6 3 4 4 6
## 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 6 6 1 7 6 6 3 3 7 7 3 3 3 3 7
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
## 5 7 4 4 3 3 3 7 7 4 2 2 2 2 2
## 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## 1 1 6 6 2 2 2 2 6 1 1 2 1 6 1
## 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
## 1 6 1 3 3 3 4 4 4 6 1 1 2 1 2
## 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 6 1 2 2 2 1 2 6 6 6 6 3 7 4 7
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## 1 2 2 1 6 6 1 2 2 2 2 2 2 6 6
## 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190
## 6 1 6 1 6 6 1 4 1 2 1 2 2 6 1
## 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205
## 6 6 1 1 6 6 1 4 1 6 3 1 7 7 1
## 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 2 1 6 3 3 4 7 4 3 3 3 3 4 4 7
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 1 3 7 7 6 3 7 3 4 4 4 1 2 6 1
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250
## 2 2 2 1 6 1 1 2 2 2 6 3 3 3 7
## 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## 3 3 3 3 5 7 3 3 3 5 4 3 3 7 7
## 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## 4 4 4 1 6 1 3 3 3 7 4 7 1 3 3
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295
## 3 7 4 4 6 3 7 7 4 4 1 2 1 1 2
## 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
## 1 6 6 6 4 2 2 2 2 6 6 1 6 2 6
## 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325
## 6 1 6 1 6 6 6 4 2 2 6 3 1 6 4
## 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 2 2 2 1 2 2 2 6 1 3 3 3 5 3 3
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## 4 7 7 3 4 4 4 2 2 2 2 2 2 6 6
## 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370
## 1 2 2 1 6 1 6 2 2 6 3 3 3 7 3
## 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385
## 7 7 7 4 7 3 1 3 7 6 7 3 7 4 7
## 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 3 1 3 3 3 7 3 3 7 4 4 1 1 3 3
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
## 7 7 4 4 1 6 3 3 7 4 2 2 2 2 1
## 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430
## 1 2 2 2 2 2 1 2 6 6 3 3 3 3 5
## 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 7 7 7 3 3 7 7 7 4 4 6 1 1 1 1
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 6 3 3 7 4 7 3 7 7 3 7 7 4 2 2
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475
## 1 6 6 1 2 2 2 2 2 2 1 2 2 2 2
## 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490
## 6 6 1 2 1 6 2 1 6 1 1 6 1 6 6
## 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505
## 3 3 4 7 7 7 1 6 1 6 6 3 3 7 4
## 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 7 6 1 4 1 2 2 1 1 2 1 1 3 1 1
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## 1 1 2 2 1 1 6 6 6 6 6 4 2 2 1
## 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550
## 6 1 6 6 3 7 4 1 6 1 6 1 1 1 2
## 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565
## 6 6 3 7 4 4 6 3 7 7 4 1 1 2 1
## 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## 6 6 3 7 4 1 6 1 3 7 4 2 2 1 2
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595
## 2 2 2 2 6 2 2 2 2 2 2 1 6 2 6
## 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610
## 6 6 4 7 1 1 2 2 6 3 3 3 7 5 4
## 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## 4 1 3 1 6 6 1 1 1 2 6 6 1 2 2
## 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 2 6 6 6 3 3 3 5 4 4 2 1 1 6 1
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655
## 2 1 6 2 2 2 6 6 1 2 2 2 2 2 2
## 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670
## 2 1 2 2 2 2 2 2 1 6 6 6 4 1 1
## 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 2 1 1 1 6 1 1 6 1 6 1 6 6 3 4
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## 7 4 1 6 6 6 6 6 4 2 1 6 3 3 3
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## 3 3 5 7 3 7 3 7 3 7 4 4 1 3 2
## 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730
## 6 6 3 3 3 3 3 3 7 4 4 4 4 1 1
## 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
## 2 1 1 1 1 6 2 2 1 1 6 6 6 6 4
## 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## 4 2 1 3 3 3 4 4 2 1 2 2 1 1 6
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775
## 6 1 6 1 1 2 2 2 2 2 1 1 1 6 1
## 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790
## 6 3 3 5 4 1 1 6 1 1 2 2 2 1 1
## 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## 6 6 6 4 6 1 1 2 1 2 1 2 1 1 6
## 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 1 1 6 3 7 6 7 3 7 7 6 1 3 3 7
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835
## 4 1 2 2 2 2 2 2 1 6 6 6 6 4 4
## 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850
## 1 1 6 3 6 4 2 2 1 6 1 1 1 2 2
## 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865
## 2 2 6 6 6 6 3 7 4 3 7 4 2 1 1
## 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 1 2 2 1 1 3 6 6 7 4 4 1 1 2 2
## 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895
## 2 1 2 2 2 2 2 1 2 1 1 1 6 6 6
## 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910
## 3 3 7 7 3 4 4 1 6 6 3 7 7 3 3
## 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 3 5 4 6 3 3 3 4 4 4 1 2 2 1 1
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940
## 6 3 3 3 3 5 4 4 1 1 6 1 6 6 3
## 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955
## 1 4 1 6 3 1 1 6 3 6 7 4 2 2 2
## 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970
## 2 2 2 1 6 1 1 2 2 2 2 1 6 6 1
## 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985
## 2 3 3 7 4 4 4 2 2 2 2 2 2 2 1
## 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000
## 6 1 6 4 6 1 6 6 4 4 1 2 6 1 1
## 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015
## 6 2 3 7 6 7 7 4 2 2 2 2 2 2 6
## 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030
## 6 1 1 6 3 1 1 6 1 6 1 1 1 2 2
## 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045
## 2 2 1 6 6 2 2 1 1 2 1 2 6 1 1
## 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060
## 2 2 2 2 2 2 1 2 2 2 6 1 1 3 3
## 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075
## 7 7 3 4 4 1 1 1 1 6 3 7 6 3 3
## 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
## 4 7 4 4 1 2 1 1 2 2 2 2 1 2 2
## 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105
## 2 1 3 3 3 7 3 3 7 7 3 3 7 4 4
## 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## 7 3 3 3 4 7 3 3 3 4 4 2 1 6 6
## 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135
## 1 6 1 1 2 1 6 6 3 7 3 3 3 3 5
## 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150
## 4 4 1 6 1 2 2 2 1 2 2 2 2 2 6
## 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 3 3 3 4 7 7 4 2 2 2 1 2 2 2 2
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180
## 1 1 1 2 6 1 6 6 1 2 2 2 2 6 1
## 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195
## 6 3 6 7 4 1 1 1 6 1 2 2 1 6 6
## 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210
## 3 4 4 4 6 1 2 2 2 2 2 2 2 2 2
## 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225
## 1 1 1 2 2 2 2 2 2 2 2 6 1 6 1
## 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240
## 6 3 3 4 4 4 2 1 1 2 2 2 2 1 1
## 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255
## 6 6 2 2 2 2 2 2 1 2 6 6 3 4 1
## 1256 1257 1258 1259 1260
## 6 3 4 7 3
##
## Within cluster sum of squares by cluster:
## [1] 105.20051 88.33967 56.69310 108.48119 124.59883 72.37917 60.64478
## (between_SS / total_SS = 83.1 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"
————————————
Step 06 - cluster investigation
————————————
# Let's bring back clusters into the data
wd_5 <- data.frame(wd_5, rsi_try$cluster) # do a view of the data here
str(wd_5)
## 'data.frame': 1220 obs. of 4 variables:
## $ Rsi2 : num -1.4149 0.8516 -0.0619 0.4239 0.957 ...
## $ Rsi6 : num -0.870961 0.124413 -0.220029 -0.000134 0.371178 ...
## $ RsiD3 : num -0.68 2.205 0.371 0.251 0.173 ...
## $ rsi_try.cluster: int 3 4 1 1 1 6 6 1 1 2 ...
# let's plot it
# Visualize the cluster n data
table(wd_5$rsi_try.cluster)
##
## 1 2 3 4 5 6 7
## 271 297 180 127 12 228 105
# install scatterplot3d
library(scatterplot3d)
## Warning: package 'scatterplot3d' was built under R version 3.4.4
# Create colorful graph
wd_6 <-wd_5
wd_6$pcolor[wd_6$rsi_try.cluster==1] <- "red"
wd_6$pcolor[wd_6$rsi_try.cluster==2] <- "blue"
wd_6$pcolor[wd_6$rsi_try.cluster==3] <- "green3"
wd_6$pcolor[wd_6$rsi_try.cluster==4] <- "yellow"
wd_6$pcolor[wd_6$rsi_try.cluster==5] <- "black"
wd_6$pcolor[wd_6$rsi_try.cluster==6] <- "brown"
scatterplot3d(wd_6$Rsi2, wd_6$Rsi6 , wd_6$RsiD3, pch=16,highlight.3d=FALSE,color = wd_6$pcolor,main="3D Scatterplot")
