Dziś zajmiemy się klastrowaniem. Mamy do dyspozycji dwa rodzaje metod: hierarchiczne (hclust) i typu k-średnich (kmeans i pam z modułu cluster)
0. Przypomnijmy sobie zbiór danych iris z biblioteki class (z poprzednich zajęć)
1. Spróbuj użyć metody kmeans do poklastrowania zbioru obserwacji iris
2. przyjrzyj się metodzie dist i wyznacz kilka macierzy odleglosci dla obserwacji z iris
3. użyj tych macierzy do otrzymania klasteryzacji typu k-medoids(pam z library(clust))
4. Wyznacz różne klasteryzacje hierarchiczne metodą hclust. Wyświetl dendrogram metodą plot(). Zidentyfikuj klastry metodą hclust.rect() lub identify().