R语言kmeans实例

说明：根据table(iris$Species, kmeans$cluster);可以看出setosa花成功聚为1类（图中绿o），但是versicolor花和virginica有16个分错交叉，但主体部分还是分的较明显的

> df<-iris[,c(1:4)]
> set.seed(252964) # 设置随机值，为了得到一致结果

> (kmeans <- kmeans(na.omit(df), 3))

> table(iris$Species, kmeans$cluster);   #查看分类概括 
   
              1  2  3
  setosa      0  0 50
  versicolor  2 48  0
  virginica  36 14  0

> plot(df[c("Sepal.Length", "Sepal.Width")], col = kmeans$cluster, pch = as.integer(iris$Species))  #不同的颜色代表不同的聚类结果，不同的形状代表训练数据集的原始分类情况。  

> points(kmeans$centers[,c("Sepal.Length", "Sepal.Width")], col = 1:3, pch = 8, cex=2)

图注：颜色是实际聚类效果，形状是原始数据真实分类（共分错16个）；

参考： https://blog.csdn.net/yucan1001/article/details/23123043

https://blog.csdn.net/huyongfeijoe/article/details/51136733