R语言实现聚类分析

l  K-均值聚类（K-Means）   十大经典算法

l  K-中心点聚类（K-Medoids）

l  密度聚类（DBSCAN）

l  系谱聚类（HC）

l  期望最大化聚类（EM）   十大经典算法

 

聚类算法	软件包	主要函数
K-means	stats	kmeans()
K-Medoids	cluster	pam()
系谱聚类（HC）	stats	hclust(), cutree(), rect.hclust()
密度聚类（DBSCAN）	fpc	dbscan()
期望最大化聚类（EM）	mclust	Mclust(), clustBIC(), mclust2Dplot(), densityMclust()

 

 

K-means

countries =read.table("birth.txt",head=F)

#K-均值（K-means）聚类   kmeans()  packages: stats

library(stats)

fit_km1 =kmeans(countries[,-1],center=3)

print(fit_km1)

K-means clustering with 3 clusters of sizes22, 20, 26

Cluster means:

    birth     death

1 17.53636 9.918182

2 25.01500 7.890000

3 42.57692 12.703846

 

Clustering vector:

ALGERIA        CONGO     EGYPT         GHANA   IVORY-COAST       MALAGASY

 3              3              3              3              3              3

MOROCCO      TUNISIA     CAMBODIA      CEYLON        CHINA         TAIWAN

3              3              3              3              3              3

HONG-KONG       INDIA    INDONESIA       IRAQ       JAPAN         JORDAN

  2             1              2              2              1              3

KOREA      MALAYSIA     MONGOLIA  PHILLLIPINES          SYRIA       THAILAND

1              2              3              2             2              3

VIETNAM   CANADA    COSTA-RICA    DOMINICAN-R    GUATEMALA       HONDURAS

   2             2              3              2              3              3

MEXICO   NICARAGUA     PANAMA   UNITED-STATES      ARGENTINA        BOLIVIA

3              3              3              2              2              1

BRAZIL       CHILE      COLOMBIA