R数据挖掘基础操作及算法应用案例之K-means聚类

程序代码

#K-means聚类
#案例:iris鸢尾花聚类
library(cluster) #加载包
library(useful) #加载该包,用于下面作图
data(iris)
iris<-iris
dim(iris) #显示数据维度
head(iris) #最后一列是鸢尾花的分类
table(iris$Species) #显示iris数据集Species列中各个值出现的频次
iris_new<-iris[,-5];head(iris_new) #去掉最后一列
irisK3<-kmeans(iris_new,3);irisK3 #进行k-means聚类。注意:实际问题中注意k的取值
t=table(iris$Species,irisK3$cluster);t #查看聚类结果
plot(irisK3,iris,class="Species") #将聚类结果与鸢尾花初始类别绘制在一个图进行比对
运行结果
> irisK3<-kmeans(iris_new,3);irisK3 #进行k-means聚类
K-means clustering with 3 clusters of sizes 50, 38, 62

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

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
[33] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 3 2 3 3 3 3 3 3 3 3 3 3 3
[65] 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
[97] 3 3 3 3 2 3 2 2 2 2 3 2 2 2 2 2 2 3 3 2 2 2 2 3 2 3 2 3 2 2 3 3
[129] 2 2 2 2 2 3 2 2 2 2 3 2 2 2 3 2 2 2 3 2 2 3

Within cluster sum of squares by cluster:
[1] 15.15100 23.87947 39.82097
(between_SS / total_SS =  88.4 %)

Available components:

[1] "cluster"      "centers"      "totss"        "withinss"   
[5] "tot.withinss" "betweenss"    "size"         "iter"        
[9] "ifault"      
> t=table(iris$Species,irisK3$cluster);t

              1  2  3
  setosa     50  0  0
  versicolor  0  2 48
  virginica   0 36 14

##观察上面结果可知，聚类结果还不错
作图结果：