用R语言求kmeans聚类的精度代码

K-means聚类的精度可以使用轮廓系数来评估。轮廓系数是一种度量样本聚类质量的指标，取值范围在[-1,1]之间，值越高表示聚类效果越好。以下是使用R语言计算K-means聚类精度的示例代码：

# 加载聚类数据
data <- read.csv("data.csv")

# 执行K-means聚类
k <- 3
km <- kmeans(data, k)

# 计算轮廓系数
library(cluster)
sil <- silhouette(km$cluster, dist(data))
avg_sil <- mean(sil[,3])
cat("K-means聚类精度为:", avg_sil)

其中，data.csv是待聚类的数据集，k是聚类的簇数。通过kmeans()函数进行聚类后，使用silhouette()函数计算轮廓系数，最后计算平均轮廓系数作为聚类精度。

相关问题

用Kmeans算法求iris数据集的聚类及其精度的R语言代码

以下是用Kmeans算法求iris数据集聚类并计算精度的R语言代码：

# 加载iris数据集
data(iris)

# 将数据集分为特征和标签
features <- iris[, 1:4]
labels <- iris[, 5]

# 使用Kmeans算法进行聚类
kmeans_result <- kmeans(features, centers = 3)

# 计算聚类的精度
table(kmeans_result$cluster, labels)

其中，`kmeans_result$cluster`是Kmeans算法聚类后的结果，`labels`是iris数据集中的真实标签。使用`table`函数可以计算聚类的精度。