在实际应用中,K-means均值聚类广泛应用于分布集中的大样本数据集。它的算法过程是:首先,随机选取k个样本作为起始中心点;然后,将中心点以外的样本归入相似度最高中心点所在的簇,再确立当前簇中样本坐标均值为新的中心点;然后,根据新的中心点继续循环迭代下去,直至所有样本所属类别不再变动为止。
在R软件中,主要是利用stats软件包中的kmeans()函数来实现的:
kmeans(x, centers, iter.max = 10, nstart = 1,algorithm = c("Hartigan-Wong", "Lloyd", "Forgy","MacQueen"))
其中x为要进行聚类分析的数据集;centers表示要聚类的类别数k;iter.max为最大迭代次数,默认值为10;nstart为选择随机起始中心点的次数,默认值为1;algorithm表示选择具体哪个算法,默认为Hartigan-Wong算法。
1 读取数据集。
Tourism_shares=read.csv("Tourism_shares.csv",head=T,encoding="utf-8")
head(Tourism_shares)
dim(Tourism_shares)
文章图片
2进行Kmeans聚类,并输出结果。
【R语言|R语言Kmeans聚类分析】fit_km1
推荐阅读
- R语言|R语言(五) Plotly绘图基本命令介绍
- windows|拓端tecdat|windows中用命令行执行R语言命令
- 聚类|Python 自定义指标聚类
- r语言|手把手(R语言文本挖掘和词云可视化实践)
- R语言从入门到机器学习|R语言rename重命名dataframe的列名实战:rename重命名dataframe的列名(写错的列名不会被重命名)
- R下载安装,Linux版
- R|不同方法的正态性检验及R语言实现
- jiebaR - 中文分词
- 模型评估