本文主要是介绍R语言kmeans实例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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
这篇关于R语言kmeans实例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
