library(cluster)
dat<-read.csv("food_spending.csv", header = TRUE) 
# PAM con k=2 gruppi sui dati contenuti in "dat", 
# distanza euclidea calcolata dopo
# la standardizzazione delle variabili
pam.out<-pam(dat, k=2, metric="euclidean", stand=TRUE)
pam.out
# se invece abbiamo le dissimilarità:
# 1) dissimilarità "Diss1" (oggetto di tipo dist)
# pam(Diss1, 2)
# 2) matrice di dissimilarità "D" (nxn)
# pam(D, 2, diss=TRUE)

pam.out$medoids
pam.out$id.med
pam.out$clustering
cbind(dat, pam.out$clustering)

plot(dat, col=(pam.out$clustering+2), 
     main="PAM (k=2)", pch=19)
points(pam.out$medoids, pch=8)
# clara()
# indici per validare il clustering
plot(pam.out, which=2) # asw 

plot(pam(dat, k=3, metric="euclidean", 
         stand=TRUE), which=2) # asw 

# scelta di k attraverso l'indice silhouette
min_nc<-2
max_nc<-10
ASW<-array(0, c(max_nc-min_nc+1, 2))
ASW[, 1]<-c(min_nc:max_nc)
for(nc in min_nc:max_nc){
    res<-pam(dat, nc, metric="euclidean", 
             stand=TRUE)
    ASW[nc-min_nc+1 , 2]<-res$silinfo$avg.width
}
plot(2:10, ASW[,2], type="b")  

# esercizio

data<-read.csv("claims.csv", header = TRUE)  
data
str(data)

# 1. codifica delle variabili categoriali 
# 2. calcolare una opportuna matrice di dissimilarità
# 3. utilizzare pam() per implementare il metodo con k=2 
# 4. selezione numero di gruppi 

# re-code factors
data$litig<-as.factor(data$litig)
data$soft_injury<-as.factor(data$soft_injury)
data$emergency_tr<-as.factor(data$emergency_tr)
# dissimil. di gower per dati misti
# daisy()
dclaims<-daisy(data, metric = "gower")
str(dclaims)
dissmatrix<-as.matrix(dclaims) # matrice delle dissimilarità
dim(dissmatrix)
pm.out<-pam(dissmatrix, 2, diss=TRUE)
pm.out$clustering