R语言 k均值算法(k-means)

本文介绍了如何在R语言中应用k均值算法进行数据聚类。通过随机选取初始中心点,不断迭代更新直至中心点稳定,实现对iris数据集的聚类。实验显示,不同类型的样本点被有效地分配到不同的簇中,展示了k-means算法的有效性。

k均值算法针对聚类所得簇划分求得最小平方误差,k均值算法采用了贪心策略,通过迭代优化来近似求解
算法如下:
kmeans的计算方法如下:

1 随机选取k个中心点

2 遍历所有数据,将每个数据划分到最近的中心点中

3 计算每个聚类的平均值,并作为新的中心点

4 重复2-3,直到这k个中线点不再变化(收敛了),或执行了足够多的迭代


使用iris数据集完成kmeans聚类实验
首先预处理数据集,聚类的时候,去掉种类标记

newiris <- iris  
newiris$Species <- NULL

可以打印种类标记来选择聚类簇的个数

print(iris$Species)

得知有三个种类,执行kmeans函数,格式:kmeans(数据集,聚类簇数)

kc <- kmeans(newiris, 3) #分类模型训练  
fitted(kc) #查看具体分类情况  
table(iris$Species, kc$cl
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值