Fatal编程技术网
  • r/
  • R中的Kmean聚类：用数据映射聚类

R中的Kmean聚类：用数据映射聚类

r statistics

R中的Kmean聚类：用数据映射聚类,r,statistics,k-means,R,Statistics,K Means,对于下面的代码，我得到了“Sepal.Length，Sepal.Width”聚类的输出，但是我还想知道哪些数据点属于哪个聚类，如何实现 newiris <- iris > newiris$Species <- NULL > (kc <- kmeans(newiris, 3)) K-means clustering with 3 clusters of sizes 38, 50, 62 Cluster means: Sepal.Length Sepal.Wi

对于下面的代码，我得到了“Sepal.Length，Sepal.Width”聚类的输出，但是我还想知道哪些数据点属于哪个聚类，如何实现

newiris <- iris
> newiris$Species <- NULL

> (kc <- kmeans(newiris, 3)) 
K-means clustering with 3 clusters of sizes 38, 50, 62

Cluster means:
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1     6.850000    3.073684     5.742105    2.071053
2     5.006000    3.428000     1.462000    0.246000
3     5.901613    2.748387     4.393548    1.433871

Clustering vector:
  [1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 [30] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 1 3 3 3 3 3
 [59] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 1 3 3 3 3 3 3 3 3 3
 [88] 3 3 3 3 3 3 3 3 3 3 3 3 3 1 3 1 1 1 1 3 1 1 1 1 1 1 3 3 1
[117] 1 1 1 3 1 3 1 3 1 1 3 3 1 1 1 1 1 3 1 1 1 1 3 1 1 1 3 1 1
[146] 1 3 1 1 3

Within cluster sum of squares by cluster:
[1] 23.87947 15.15100 39.82097

Available components:
[1] "cluster"  "centers"  "withinss" "size"   


> table(iris$Species, kc$cluster)

              1  2  3
  setosa      0 50  0
  versicolor  2  0 48
  virginica  36  0 14

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

newiris$Species（kc表（iris$Species，kc$cluster）
1  2  3
刚毛0 50 0
花色2 0 48
弗吉尼亚36 0 14
>图（新虹膜[c（“萼片长度”，“萼片宽度”）]，col=kc$簇）
>点（kc$中心[，c（“萼片长度”，“萼片宽度”）]，列=1:3，pch=8，cex=2）
您已经向我们展示了答案。
kc$cluster
是每个观察结果被分类到的聚类。默认情况下，它是打印的，您可以查看
str（kc）
以查看
kmeans
函数返回的内容

str(kc)
## List of 9
##  $ cluster     : int [1:150] 1 3 3 3 1 1 1 1 3 3 ...
##  $ centers     : num [1:3, 1:4] 5.18 6.31 4.74 3.62 2.9 ...
##   ..- attr(*, "dimnames")=List of 2
##   .. ..$ : chr [1:3] "1" "2" "3"
##   .. ..$ : chr [1:4] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
##  $ totss       : num 681
##  $ withinss    : num [1:3] 6.43 118.65 17.67
##  $ tot.withinss: num 143
##  $ betweenss   : num 539
##  $ size        : int [1:3] 33 96 21
##  $ iter        : int 2
##  $ ifault      : int 0
##  - attr(*, "class")= chr "kmeans"
您已经向我们展示了答案。
kc$cluster
是每个观察结果被分类到的聚类。默认情况下会打印它，您可以查看
str（kc）
以查看
kmeans
函数返回的内容

str(kc)
## List of 9
##  $ cluster     : int [1:150] 1 3 3 3 1 1 1 1 3 3 ...
##  $ centers     : num [1:3, 1:4] 5.18 6.31 4.74 3.62 2.9 ...
##   ..- attr(*, "dimnames")=List of 2
##   .. ..$ : chr [1:3] "1" "2" "3"
##   .. ..$ : chr [1:4] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
##  $ totss       : num 681
##  $ withinss    : num [1:3] 6.43 118.65 17.67
##  $ tot.withinss: num 143
##  $ betweenss   : num 539
##  $ size        : int [1:3] 33 96 21
##  $ iter        : int 2
##  $ ifault      : int 0
##  - attr(*, "class")= chr "kmeans"
您已经向我们展示了答案。
kc$cluster
是每个观察结果被分类到的聚类。默认情况下会打印它，您可以查看
str（kc）
以查看
kmeans
函数返回的内容

str(kc)
## List of 9
##  $ cluster     : int [1:150] 1 3 3 3 1 1 1 1 3 3 ...
##  $ centers     : num [1:3, 1:4] 5.18 6.31 4.74 3.62 2.9 ...
##   ..- attr(*, "dimnames")=List of 2
##   .. ..$ : chr [1:3] "1" "2" "3"
##   .. ..$ : chr [1:4] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
##  $ totss       : num 681
##  $ withinss    : num [1:3] 6.43 118.65 17.67
##  $ tot.withinss: num 143
##  $ betweenss   : num 539
##  $ size        : int [1:3] 33 96 21
##  $ iter        : int 2
##  $ ifault      : int 0
##  - attr(*, "class")= chr "kmeans"
您已经向我们展示了答案。
kc$cluster
是每个观察结果被分类到的聚类。默认情况下会打印它，您可以查看
str（kc）
以查看
kmeans
函数返回的内容

str(kc)
## List of 9
##  $ cluster     : int [1:150] 1 3 3 3 1 1 1 1 3 3 ...
##  $ centers     : num [1:3, 1:4] 5.18 6.31 4.74 3.62 2.9 ...
##   ..- attr(*, "dimnames")=List of 2
##   .. ..$ : chr [1:3] "1" "2" "3"
##   .. ..$ : chr [1:4] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
##  $ totss       : num 681
##  $ withinss    : num [1:3] 6.43 118.65 17.67
##  $ tot.withinss: num 143
##  $ betweenss   : num 539
##  $ size        : int [1:3] 33 96 21
##  $ iter        : int 2
##  $ ifault      : int 0
##  - attr(*, "class")= chr "kmeans"
正如Thomas和Mamoun所说，聚类信息以与原始观测相同的顺序排列在
kc$cluster
中。这可以添加回原始数据集，如下所示：

newiris <- cbind(newiris, cluster = kc$cluster)
head(newiris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width cluster
1          5.1         3.5          1.4         0.2       1
2          4.9         3.0          1.4         0.2       1
3          4.7         3.2          1.3         0.2       1
4          4.6         3.1          1.5         0.2       1
5          5.0         3.6          1.4         0.2       1
6          5.4         3.9          1.7         0.4       1

newiris正如Thomas和Mamoun所说，聚类信息在
kc$cluster
中，顺序与原始观测值相同。这可以添加回原始数据集，如下所示：


newiris <- cbind(newiris, cluster = kc$cluster)
head(newiris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width cluster
1          5.1         3.5          1.4         0.2       1
2          4.9         3.0          1.4         0.2       1
3          4.7         3.2          1.3         0.2       1
4          4.6         3.1          1.5         0.2       1
5          5.0         3.6          1.4         0.2       1
6          5.4         3.9          1.7         0.4       1



newiris正如Thomas和Mamoun所说，聚类信息在
kc$cluster
中，顺序与原始观测值相同。这可以添加回原始数据集，如下所示：


newiris <- cbind(newiris, cluster = kc$cluster)
head(newiris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width cluster
1          5.1         3.5          1.4         0.2       1
2          4.9         3.0          1.4         0.2       1
3          4.7         3.2          1.3         0.2       1
4          4.6         3.1          1.5         0.2       1
5          5.0         3.6          1.4         0.2       1
6          5.4         3.9          1.7         0.4       1



newiris正如Thomas和Mamoun所说，聚类信息在
kc$cluster
中，顺序与原始观测值相同。这可以添加回原始数据集，如下所示：


newiris <- cbind(newiris, cluster = kc$cluster)
head(newiris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width cluster
1          5.1         3.5          1.4         0.2       1
2          4.9         3.0          1.4         0.2       1
3          4.7         3.2          1.3         0.2       1
4          4.6         3.1          1.5         0.2       1
5          5.0         3.6          1.4         0.2       1
6          5.4         3.9          1.7         0.4       1



newiris您好，您要求的信息在
kc$cluster
中，那么“哪些数据点属于哪个集群”是什么意思？您好，您要求的信息在
kc$cluster
中，那么“哪些数据点属于哪个集群”是什么意思？您好，您要求的信息在
kc$cluster
中，那么“哪些数据点属于哪个集群”是什么意思？您好，您要求的信息在
kc$cluster
中，那么“哪些数据点属于哪个集群”是什么意思？