深入探讨聚类方法：系统聚类与k-means的应用-优快云博客

摘要: 聚类是建模的起点，在没有目标的前提下，对研究对象按照距离分为不用的组。组内的距离尽可能小，组间距离尽可能大；最常用的两种聚类方法是系统聚类和k-means。

简介：

聚类是建模的起点，在没有目标的前提下，对研究对象按照距离分为不用的组。组内的距离尽可能小，组间距离尽可能大；最常用的两种聚类方法是系统聚类和k-means；

系统聚类是基于距离的聚类，计算量相对较大；相比之下k-means因计算量小，占内存小，方法简单而应用范围更广，尤其是在目前数据量比较大的情况下。

系统聚类：

系统聚类的思想是把每个样本看成一类，计算两两之间的距离，把距离最近的两个样本合并为一个新类，计算新类与其他样本的距离，对距离最近的再次合并，重复此过程，直到所有样本合并为一类；系统聚类的关键点为距离和不同量纲数据的标准化。

系统聚类主要函数介绍：

基于iris数据集的实例：

k-means聚类：

k-means分类的思想是：先粗略分一下类，然后按照某种最优原则修改不合理的分类，直至分类趋于合理。

(iris.km <-kmeans(iris,3))

K-means clustering with 3 clusters of sizes 50, 62, 38

Cluster means:
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1     5.006000    3.428000     1.462000    0.246000
2     5.901613    2.748387     4.393548    1.433871
3     6.850000    3.073684     5.742105    2.071053

## 聚类后的类标号，因为iris数据按照类别排列，发现2与3类别相对模糊；类别1聚类效果较好
Clustering vector:
  [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 [46] 1 1 1 1 1 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2
 [91] 2 2 2 2 2 2 2 2 2 2 3 2 3 3 3 3 2 3 3 3 3 3 3 2 2 3 3 3 3 2 3 2 3 2 3 3 2 2 3 3 3 3 3 2 3
[136] 3 3 3 2 3 3 3 2 3 3 3 2 3 3 2

## 基于方差变异分解的思想，组间方差越大效果越好；
Within cluster sum of squares by cluster:
[1] 15.15100 39.82097 23.87947
 (between_SS / total_SS =  88.4 %)

## 聚类结果中的组件，可类似看成list中的元素；
Available components:

[1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"   
[7] "size"  

plot(iris[c("Sepal.Length", "Sepal.Width")], col = km$cluster)
## 画聚类的中心
points(km$centers[,c("Sepal.Length", "Sepal.Width")], col = 1:3,pch = 8, cex=2)