K-means

K-means算法

采用周志华的《机器学习》中第九章表9.1的西瓜数据集4.0

melon_data <- read.csv("C:\\Users\\Andrew\\Desktop\\melon.csv")
melon_attr <- melon_data[,c(1,2)]
head(melon_attr)

使用数据集生成聚类

  kmeans(x, centers, iter.max = 10, nstart = 1,
         algorithm = c("Hartigan-Wong", "Lloyd", "Forgy",
                       "MacQueen"), trace=FALSE)
参数说明：
x : 矩阵或者可以被强制转换成矩阵的对象（如：数字向量或者数值型数据框）
centers：聚类的数量k，或者是一组初始向量作为聚类中心
iter.max：允许的最大迭代次数
nstart：如果centers是一个数，重复做kmeans的次数，当然啦，每次center都是随机选取的
algorithm：算法的选择
trace：目前仅在默认方法（“Hartigan-Wong”）中使用：如果为TRUE，则生成跟踪算法进度的信息。较高的值可能会产生更多的跟踪信息。

result <- kmeans(melon_attr, centers = 3)
result

plot

plot(melon_attr, col = result$cluster)
points(result$centers, col = 1:3, pch = 8, cex = 2)