使用R完成Kmeans聚类

使用R完成Kmeans聚类需要调用kmeans方法，使用数据集iris完成一个小的聚类实验，代码如下：

newiris <- iris;
newiris$Species <- NULL;  #对训练数据去掉分类标记
kc <- kmeans(newiris, 3);  #分类模型训练
fitted(kc);  #查看具体分类情况
table(iris$Species, kc$cluster);  #查看分类概括

#聚类结果可视化 
plot(newiris[c("Sepal.Length", "Sepal.Width")], col = kc$cluster, pch = as.integer(iris$Species));  #不同的颜色代表不同的聚类结果，不同的形状代表训练数据集的原始分类情况。
points(kc$centers[,c("Sepal.Length", "Sepal.Width")], col = 1:3, pch = 8, cex=2);

聚类结果可视化图如下

R帮助文档中有一个非常好的例子，如下，特别留意kmeans方法满足的条件：

require(graphics)

# a 2-dimensional example
x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
           matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(x) <- c("x", "y")
(cl <- kmeans(x, 2))
plot(x, col = cl$cluster)
points(cl$centers, col = 1:2, pch = 8, cex = 2)

# sum of squares
# 其中scale函数提供数据中心化功能，所谓数据的中心化是指数据集中的各项数据减去数据集的均值，这个函数还提供数据的标准化功能，所谓数据的标准化是指中心化之后的数据在除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。见http://it.zhans.org/10/1834.htm。
ss <- function(x) sum(scale(x, scale = FALSE)^2)

## cluster centers "fitted" to each obs.:
fitted.x <- fitted(cl);
head(fitted.x);
resid.x <- x - fitted(cl);

## Equalities : ----------------------------------
cbind(cl[c("betweenss", "tot.withinss", "totss")], # the same two columns
         c(ss(fitted.x), ss(resid.x),    ss(x)))
# kmeas聚类满足如下条件
stopifnot(all.equal(cl$ totss,        ss(x)),
	  all.equal(cl$ tot.withinss, ss(resid.x)),
	  ## these three are the same:
	  all.equal(cl$ betweenss,    ss(fitted.x)),
	  all.equal(cl$ betweenss, cl$totss - cl$tot.withinss),
	  ## and hence also
	  all.equal(ss(x), ss(fitted.x) + ss(resid.x))
	  )

聚类结果可视化图如下