【聚类分析】Kmeans算法理解及R语言实现

Gavin姓陈

已于 2022-12-26 19:05:37 修改

阅读量2.6w

点赞数 16

分类专栏：数据分析-算法模型数据分析-R 文章标签： r语言算法 kmeans

于 2017-12-19 14:58:45 首次发布

本文链接：https://blog.csdn.net/glodon_mr_chen/article/details/78842747

版权

本文详细介绍了KMeans算法的工作原理，包括随机选择初始质心、计算样本点到质心的距离并重新分配簇，以及如何停止迭代。同时，通过R语言的kmeans函数对iris数据集进行聚类分析，并展示了自定义函数实现KMeans的过程和模型评估。

摘要由CSDN通过智能技术生成

本文中代码及数据源请访问我的github：https://github.com/HelloMrChen

一、基本解释（算法思想、名词解释）

算法：

1、在总体中随机选择k个值作为初始质心。

2、计算每个样本点到每个质心的距离（一般为欧式距离），将每个点指派到最近的质心点，形成K个聚类。

3、重新这个簇的样本点的平均值，作为簇的新质心。

4、重复2-3直至质心不再发生变化，或者只发生很微小的变化。

名词解释：

关于距离的定义请参考：数学算法中的各种距离

二、数学推导

三、R中自带包及案例介绍

在R语言中，只需要调用knn包中的kmeans函数，主要参数有数据集以及要分的类别数量。

下面是调用Kmeans函数对经典数据集iris进行聚类的代码

 
#R语言代码
# 用R自带的Kmeans包实现Kmeans聚类

#读取iris 数据集
## 设置路径为AlgorithmPractise-R，读取当前工作目录子文件夹格式࿰

关注

专栏目录