R语言 聚类怎么给样本分组

在R语言中，聚类是一种无监督学习方法，用于将相似的数据样本分成不同的组，也就是常说的簇。其目的是发现数据内在的结构，而不是基于已知标签。常见的R包如`cluster`, `kmeans`, 或者`tidyverse`下的`dplyr`、`ggplot2`等都有丰富的功能来进行聚类。

以下是使用`kmeans`函数进行简单聚类的基本步骤：

1. **加载数据**：首先需要导入包含你要分析特征的数据集，可以是CSV文件、数据库或其他数据源。

data <- read.csv("your_data.csv")

2. **预处理数据**：如果数据有缺失值，可能需要填充或删除；对数值变量标准化或归一化以消除量纲影响。

data_scaled <- scale(data)

3. **选择聚类算法**：通常最常用的是K-means算法。确定要创建的簇的数量（例如，通过肘部法则或Silhouette系数）。

4. **应用聚类**：使用`kmeans()` 函数，传入数据和簇数。

set.seed(123)  # 设置随机种子保证结果可复现
num_clusters <- 3  # 假设我们想要3个簇
cluster_model <- kmeans(data_scaled, centers = num_clusters)

5. **查看结果**：获取每个样本所属的簇以及簇中心。

cluster_labels <- cluster_model$cluster
centers <- cluster_model$centers

6. **可视化结果**：用散点图展示数据点与其所属簇的关系，可以用`ggplot2`或`scatterplot3d`库。

library(ggplot2)
ggplot() +
  geom_point(aes(x = data_scaled[,1], y = data_scaled[,2], color = factor(cluster_labels)), size = 3)