R语言 kmeans()聚类实例

一、k-means 8点2分类简单例题

#k-means/k均值
#n=8,k=2
rm(list=ls())
library(ggplot2)
setwd("D:/AUniversity/GameDesign/R/Project/聚类")

#导入数据
x<-c(1,2,1,2,4,5,4,5)
y<-c(1,1,2,2,3,3,4,4)
data<-data.frame(x,y)

#计算距离
distance<-function(x1,y1,x2,y2){
  return(abs(x1-x2)+abs(y1-y2))
}

#随机选择的两个对象，如序号1和序号3当作初始点
#中心点即为x,y
cen1=matrix(c(data[1,1],data[1,2]))
cen2=matrix(c(data[3,1],data[3,2]))

#两个簇
c1=c(1);c2=c(3)

#先将两个簇分好
for(i in 1:length(x)){
  dis1=distance(x[i],y[i],cen1[1],cen1[2])
  dis2=distance(x[i],y[i],cen2[1],cen2[2])
  if(dis1==0||dis2==0)
    next
  else{
    if(dis1<=dis2)
      c1=c(c1,i)
    else
      c2=c(c2,i)
  }
}

#修改不同簇的点集
repeat{
  
  new_c1=c1
  
  #重新计算cen的x、y值
  cen1[1]=mean(x[new_c1])
  cen1[2]=mean(y[new_c1])
  cen2[1]=mean(x[c2])
  cen2[2]=mean(y[c2])
  
  #分两个簇判断
  temp_length=length(c1)
  dex=0
  for(i in 1:temp_length){
    dex=dex+1
    
    #算距离
    dis1=distance(x[c1[dex]],y[c1[dex]],cen1[1],cen1[2])
    dis2=distance(x[c1[dex]],y[c1[dex]],cen2[1],cen2[2])
    
    #修改内部点
    if(dis1>dis2){
      c2=c(c2,new_c1[dex])
      new_c1=new_c1[-dex]
      dex=dex-1
    }
  }
  temp_length=length(c2)
  dex=0
  for(i in 1:temp_length){
    dex=dex+1
    
    #算距离
    dis1=distance(x[c2[dex]],y[c2[dex]],cen1[1],cen1[2])
    dis2=distance(x[c2[dex]],y[c2[dex]],cen2[1],cen2[2])
    
    #修改内部点
    if(dis2>dis1){
      new_c1=c(new_c1,c2[dex])
      c2=c2[-dex]
      dex=dex-1
    }
  }
  
  #排序
  new_c1=sort(new_c1)
  c2=sort(c2)
  
  #修改前和修改后相等则结束
  if(identical(c1, new_c1)){
    break
  }
  else c1=new_c1
}

#显示
cat("一类点序号:",c1,";中心点:",t(cen1))
cat("二类点序号:",c2,";中心点:",t(cen2))

#作图
#区分两类点,整合
for(i in 1:length(x)){
  for(j in 1:length(c1)){
    if(i==c1[j]){
      data[i,3]="c1"
      break
    }
  }
}
for(i in 1:length(x)){
  for(j in 1:length(c2)){
    if(i==c2[j]){
      data[i,3]="c2"
      break
    }
  }
}
names(data)=c("x","y","cu")
#show(data)
ggplot(data,aes(x=x,y=y,colour=cu,shape=cu))+geom_point()

调用ggplot，调整不同点集。不同颜色和图案画出来

二、调用R语言自带kmeans()对给定数据集表示的文档进行聚类。

给定数据集：

1. 数据代表的是文本信息。
2. 第一行代表词语，由于保密原因，词语已经被转意。第一列代表了文本的编号。
3. 红框中的数字为对应词的词频。
4. 共113个样本，用K-Means算法将样本分为8类。

rm(list=ls())
setwd("D:/AUniversity/GameDesign/R/Project/聚类")
data = read.table("data_cluster.txt")
#调用k—means,分为8类
km <- kmeans(data, 8) 
#共多少封
lie=(1:dim(data)[1])
#添加序号列
data$lie=lie
#显示第几封被分为哪一类
ggplot(data,aes(x=data$lie,y=km$cluster,colour=km$cluster))+geom_point()
#dev.off()