library(cluster)
library(ggplot2)

# importiamo i dati
d<-read.csv(file="claims.csv", header = TRUE)
# codifichiamo le variabili categoriali come factor
d$litig<-as.factor(d$litig)
d$soft_injury<-as.factor(d$soft_injury)
d$emergency_tr<-as.factor(d$emergency_tr)
# distanza di Gower 
mixd<-daisy(d, metric="gower")  
dclaims<-as.matrix(mixd)  # transform to matrix
# PAM con K=2 e Gower 
pam.claims<-pam(dclaims, 2, diss=TRUE)
#ASW
pam.claims$silinfo$avg.width

#groups<-split(dd, dd$clusterID)   # data by cluster
# aggiungo il clustering al data set
dd<-cbind(d, clusterID=as.factor(pam.claims$clustering))
# esploriamo il clustering trovato in termini delle variabili
table(dd$clusterID)
table(dd$litig, dd$clusterID)
results <- data.frame(
  prop.table(table(dd$litig, dd$clusterID), 2))
# esempio: variabile "litig"
ggplot(data = results, aes(x = Var2, y = Freq, fill=Var1)) +
  geom_bar(stat = "identity")+
  labs(x = "\n Cluster", 
       y = "Frequency\n", 
       title = "\n var: 'litig' \n",
       fill = "litig")
# potremmo anche guardare alla silhouette vs K
min_nc<-2
max_nc<-10
ASW<-c()
for (nc in min_nc:max_nc)
 {
  res<-pam(dclaims, nc, diss=TRUE)
  ASW[nc-1]<-res$silinfo$avg.width
}
ASW