如何使用r中的k均值聚类算法对未标记的数据组进行分类？

我是R语言的新手。我有两个数据集，一个被标记为“训练”数据集（Iris数据集），另一个是“测试”数据集，它是一个未标记的数据集。我需要对“Iris”数据集进行聚类，然后使用聚类中心根据最近距离将每个测试用例放入一个聚类中，然后将每个测试用例分配给一个聚类

set.seed(20)
pCluster <- kmeans(Trainingdata[, 3:4], 3, nstart = 20)
pCluster

set.seed（20）
pCluster您可以从pCluster对象获取中心值，如下所示：

pCluster$centers

这将为您提供Petal.Width和Petal.Length的值

  Petal.Length Petal.Width
1     1.462000    0.246000
2     4.269231    1.342308
3     5.595833    2.037500

您现在可以做的是计算测试数据到中心的距离（取决于您的测量），并指定最近的距离

combinedMatrix = rbind(pCluster$Centers,testData[,3:4])
dist(combinedMatrix)

这将为您提供一个距离矩阵，其中包含每个点到簇中心的距离。作为旁注，在使用kmeans（至少对于最常见的距离度量）时，应规范化输入数据，否则绝对值高的特征将掩盖绝对值低的特征

然而，我不确定你想要实现什么。K-均值通常不以这种方式使用，即测试和训练数据中的分割

您的目标是为测试集创建分类器吗？如果是这样，有更好的方法来实现这一点。如果你想坚持距离的概念，你可以看看K-最近邻算法。如果你告诉我们你的最终目标是什么，我很高兴给你更多的建议。
可能重复的