R语言之实现K-mean聚类算法

Posted 2021-04-08 R语言交流中心

聚类算法作为无监督的学习方法，在不给出Y的情况下对所有的样本进行聚类。以动态聚类为基础的K均值聚类方法是其中最简单而又有深度的一种方法。K均值的好处是我们可以在了解数据的情况下进行对样本的聚类，当然他也有自己的弱点就是对大数据的运作存在一定的局限。我们以R基础包自带的鸢尾花(Iris)数据进行聚类分析的演示。利用R语言的K均值聚类函数kmeans(),进行聚类，首先我们介绍下kmeans()的构成

官方的解释查看代码：?kmeans

如图：

我们主要用的参数是：

X：我们要用来聚类的数据，作为一个矩阵输入。

Centers：我们要聚类的数量，需要自己进行填写。

Method：分为single（最短距离），complete（最长距离），median（中间距离），average（类平均），centroid（重心），ward（离差平均和）

 

1. 我们看下iris 的数据结构：

代码： dim(iris) #查看数据的行列数

str(iris)#查看数据的变量

2. 获取我们聚类需要的数据。也就是去掉最后一列的物种标记信息。

代码：train=iris[1:150,1:4] # 获取数据的前四列

3. 利用kmeans() 进行聚类分析,并查看模型结果的构成。

代码：model=kmeans(train)

如图：

Cluster means: 每个聚类中各个列值生成的最终平均值

Clustering vector: 每行记录所属的聚类（2代表属于第二个聚类，1代表属于第一个聚类，3代表属于第三个聚类）

Within cluster sum of squares by cluster: 每个聚类内部的距离平方和  

Available components: 运行kmeans函数返回的对象所包含的各个组成部分

"cluster"是一个整数向量，用于表示记录所属的聚类  
"centers"是一个矩阵，表示每聚类中各个变量的中心点
"totss"表示所生成聚类的总体距离平方和
"withinss"表示各个聚类组内的距离平方和
"tot.withinss"表示聚类组内的距离平方和总量
"betweenss"表示聚类组间的聚类平方和总量
"size"表示每个聚类组中成员的数量

4. 可视化展示结果：

代码：result=cbind(train,as.character(model$cluster)) #将数据与聚类结果整合

         plot(result,col=model$cluster)#绘制散点图矩阵

 

欢迎大家学习交流：