2019獨角獸企業重金招聘Python工程師標準>>>

例如要把一組數據分成兩個簇：
> dataset = matrix(c(1,2, + 1.2,2, + 8,9, + 0.9,1.8, + 7,10, + 8.8,9.2), nrow=6, byrow=T) > dataset[,1] [,2] [1,] 1.0 2.0 [2,] 1.2 2.0 [3,] 8.0 9.0 [4,] 0.9 1.8 [5,] 7.0 10.0 [6,] 8.8 9.2 > kmeans(dataset, 2, iter.max = 20) K-means clustering with 2 clusters of sizes 3, 3Cluster means:[,1] [,2] 1 1.033333 1.933333 2 7.933333 9.400000Clustering vector: [1] 1 1 2 1 2 2Within cluster sum of squares by cluster: [1] 0.07333333 2.18666667(between_SS / total_SS = 98.6 %)Available components:[1] "cluster" "centers" "totss" "withinss" "tot.withinss" "betweenss" [7] "size"

可以看到，兩個簇的中心是：
Cluster means:[,1] [,2] 1 1.033333 1.933333 2 7.933333 9.400000 6個數據的簇標號分別是：
Clustering vector: [1] 1 1 2 1 2 2
可視化：
> result = kmeans(dataset, 2, iter.max = 20) > plot(c(dataset[,1]), c(dataset[,2]), col=result$cluster)

參考：
http://stat.ethz.ch/R-manual/R-devel/library/stats/html/kmeans.html

轉載于:https://my.oschina.net/letiantian/blog/324317

總結

以上是生活随笔為你收集整理的R：Kmeans的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。