1.K均值简介
麦克奎因1967年提出了K-均值聚类,该方法的思想是把每个样品聚集到其最近形心(均值)类中。在它的最简单说明中,这个过程由下列三步所组成:
(1)把样品粗略分为K个初始类。
(2)进行修改,逐个分派样品到其最近均值的类中(通常用标准化数据或者非标准化数据计算欧式距离)。重新计算接受新样品的类和失去样品的类的形心(均值)
(3)重复第(2)步,直到各类无元素进出。
2.K-均值法所需用到的函数
(1)mclust包中的Mclust函数,用来确定最恰当的聚类的类数。
(2)kmeans函数用来具体的分类
3.聚类步骤
(1)用Mclust确定分类类数,Mclust函数共有14种模型。
a=read.table("C:/Users/MrDavid/data_TS/beer.csv",sep=",",header=T)
colnames(a)=c("name","heat","Na","alcohol","price")
a=a[,-1]#去除分类标签
#确定聚类的类数,利用mclust包来做
library(mclust)
m_clust = Mclust(as.matrix(a), G=1:5) #聚类数目从1一直试到20
summary(m_clust)