R语言怎么利用K-Means法进行聚类分析，并确定最优聚类个数的代码

下面是用R语言进行K-Means聚类分析，并利用肘部法则确定最优聚类个数的代码：

# 导入数据
data <- read.csv("data.csv", header = TRUE)

# 进行标准化处理
scaled_data <- scale(data)

# 进行K-Means聚类分析
kmeans_results <- NULL
for (k in 1:10) {
  set.seed(123)
  kmeans_results[[k]] <- kmeans(scaled_data, centers = k)
}

# 通过肘部法则确定最优聚类个数
wss <- sapply(kmeans_results, function(x) x$tot.withinss)
plot(1:10, wss, type = "b", xlab = "Number of clusters", ylab = "Within groups sum of squares")

在这个代码中，data.csv是数据文件，scaled_data是进行过标准化处理的数据，kmeans_results是K-Means聚类结果的列表，wss是每一次聚类的Within groups sum of squares。通过画出wss与聚类个数的关系图，我们可以通过肘部法则确定最优聚类个数。