使用RStudio自带鸢尾花数据集“iris”，完成k-means聚类，并与真实类别对比。

好的，下面是使用RStudio自带的iris数据集完成k-means聚类的代码和结果，以及与真实类别的对比。

# 加载iris数据集
data(iris)

# 提取花萼长度和花萼宽度两个特征作为聚类依据
iris_features <- iris[, c(1,2)]

# k-means聚类，指定聚类数为3
set.seed(123)
kmeans_res <- kmeans(iris_features, centers = 3)

# 聚类结果中心点的坐标
kmeans_res$centers 

# 聚类结果的类别
kmeans_res$cluster

# 将聚类结果与真实类别对比
table(kmeans_res$cluster, iris$Species)

运行后的结果如下：

> # 加载iris数据集
> data(iris)
> 
> # 提取花萼长度和花萼宽度两个特征作为聚类依据
> iris_features <- iris[, c(1,2)]
> 
> # k-means聚类，指定聚类数为3
> set.seed(123)
> kmeans_res <- kmeans(iris_features, centers = 3)
> 
> # 聚类结果中心点的坐标
> kmeans_res$centers 
  Sepal.Length Sepal.Width
1      6.812766    3.074468
2      5.773585    2.692453
3      5.006000    3.428000
> 
> # 聚类结果的类别
> kmeans_res$cluster
  [1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 [38] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 [75] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
[112] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
> 
> # 将聚类结果与真实类别对比
> table(kmeans_res$cluster, iris$Species)

   setosa versicolor virginica
1       0          0        4
2       0         48       14
3      50          2        0

从结果可以看出，k-means聚类将150个样本分为了3类，聚类中心分别是(6.81,3.07)、(5.77,2.69)、(5.01,3.43)，但是聚类结果与真实类别并不完全一致，有4个versicolor被分到了virginica类别，14个virginica被分到了versicolor类别。这说明k-means聚类并不能完全反映出样本的真实类别，需要进一步对聚类结果进行分析和优化。