• 每个聚类内部的观测值彼此之间有何相似之处？
• 不同聚类中的观测值彼此之间有何不同？
• 你如何解释或描述这些聚类？
• 为什么聚类的出现可能具有误导性？

下面的直方图显示了黄石国家公园老忠实间歇泉 272 次喷发的时长（以分钟为单位）。喷发时间似乎聚集成两组：短喷发（约 2 分钟）和长喷发（4–5 分钟），而介于两者之间的情况很少：

ggplot(data = faithful, mapping = aes(x = eruptions)) + geom_histogram(binwidth = 0.25)

前面的许多问题会促使你探索变量之间的关系，例如，查看一个变量的值是否可以解释另一个变量的行为。我们稍后会讲到这一点。

异常值

离群值是不寻常的观测值；即似乎不符合模式的数据点。有时离群值是数据录入错误；有时离群值则预示着重要的新科学发现。当你拥有大量数据时，离群值有时在直方图中很难被发现。例如，看看 dia 中的 y 变量的分布