K-均值聚类用r语言

K-均值聚类是一种常用的无监督机器学习算法，用于将数据集分成K个互不相交的簇，每个簇内的数据点彼此相似，而与其他簇的数据点差异较大。在R语言中，可以使用`kmeans()`函数来进行K-均值聚类。以下是基本步骤：

1. **加载必要的库**：首先需要安装并加载`stats`包，因为`kmeans()`函数就在此包中。

install.packages("stats")
library(stats)

2. **准备数据**：确保你的数据是一个矩阵或数据框，其中每行代表一个观测值，所有列都是数值型特征。

3. **设置簇的数量**：通过`k`参数指定想要划分的簇数（K值）。

set.seed(123) # 设置随机种子，保证结果可复现
data <- ... # 你的数据
k <- 3 # 示例中的簇数

4. **执行聚类**：

cluster_result <- kmeans(data, centers = k)

这会返回一个`kmeans`对象，包含簇中心、分配给每个观测值的簇编号等信息。

5. **查看结果**：

- 查看簇中心：

centers <- cluster_result$centers
print(centers)

- 查看每个观测值所属的簇：

clusters <- cluster_result$cluster
print(clusters)

6. **可视化结果**（如果数据维度允许）可以用`ggplot2`或其他绘图库对聚类结果进行展示。

相关问题

R语言 K均值聚类的代码

在R语言中，K-Means聚类算法通常使用`kmeans()`函数来实现。以下是一个简单的示例，展示如何执行K-Means聚类：

# 首先，假设我们有一个数据集df，其中包含两列数值变量
# 假设df是一个数据框，有两列数值（x和y）
# df <- data.frame(x = c(1, 5, 2, 8, 9, 10), y = c(4, 8, 6, 7, 12, 14))

# 使用kmeans()函数进行聚类
set.seed(123)  # 设置随机种子以保证结果可重复
clusters <- kmeans(df[, c("x", "y")], centers = 3)  # 选择3个簇

# 输出聚类结果
print(clusters$cluster)  # 输出每个观测点所属的簇编号
centers <- clusters$centers  # 获取聚类中心
print(centers)  # 输出聚类中心

# 可视化结果
library(ggplot2)
ggplot(df, aes(x = x, y = y, color = clusters$cluster)) + geom_point()