标签：fit 文件 ima 聚类算法 r语言 查看 1.2 max 效果
本文讲解如何使用R语言进行 KMeans 均值聚类分析，并以一个关于人口出生率死亡率的实例演示具体分析步骤。
1. 载入并了解数据集；
2. 调用聚类函数进行聚类；
3. 查看聚类结果描述；
4. 将聚类结果图形化展示；
5. 选择最优center并最终确定聚类方案；
6. 图形化展示不同方案效果并提交分析报表。
1. 载入并了解数据集
1.1 从网上下载一份txt格式的关于人口出生率统计的数据(countries.txt)。其内容大致如下：
1.2 载入数据集countries.txt：
1.3 查看相关文件信息，如维度，文件具体内容：
1.4 给数据集行列改名，并查看改名后的结果：
1.5 画出所有样本点：
2. 调用聚类函数进行聚类
kmeans 函数的原型为：kmeans (x, centers, iter.max=10, nstart=1, alogorithm=c("Hartigan-Wong", "Lloyd", "For-gy", "MacQueen"))。
这里解释下函数 kmeans 中的几个形参：
- x：进行聚类分析的数据集；
- centers：簇个数；
- iter.max：最大迭代次数；
- nstart：选择随机中心点的次数 (选择结果最优的那次随机质心)；
- alogorithm：具体实现算法。默认为Hartigan-Wong。
3. 查看聚类结果
结果内容从上至下分别为：
- 每个簇的样本数；
- 每个簇的质心；
- 每个样本的聚类结果；
- 本次聚类的相关统计信息：包含组内平方和，总平方和，组间平方和，以及组间平方和/总平方和。显然它越大越好；
- 最下面的那部分是指聚类结果数据集fit_km1中的各个变量(也即上面的那些信息，如fit_km1$size就等于3)。
4. 将聚类结果图形化展示
5. 选择最优center并最终确定聚类方案
很显然，当k超过了8之后，聚类的结果波动就不大了。
可做图形象化的展示此现象：
6. 用 k=8 进行聚类，然后看看和中国属于一类的国家有哪些。
除了 k 的大小，还可以通过调整迭代次数、选择中心点次数、重新实现算法等方式实现最优聚类。
另外，本文所讲的只是最为经典的KMeans聚类，更多更好玩的聚类算法，请查阅相关论文或相关R语言包的说明文档。
标签：fit 文件 ima 聚类算法 r语言 查看 1.2 max 效果
原文地址：http://www.cnblogs.com/muchen/p/6883342.html
