第十篇：K均值聚類(KMeans)

前言

       本文講解如何使用R語言進行 KMeans 均值聚類分析，並以一個關於人口出生率死亡率的實例演示具體分析步驟。

聚類分析整體流程

1. 載入並瞭解數據集；
2. 調用聚類函數進行聚類；
3. 查看聚類結果描述；
4. 將聚類結果圖形化展現；
5. 選擇最優center並最終肯定聚類方案；
6. 圖形化展現不一樣方案效果並提交分析報表。

人口出生/死亡率聚類分析 - K均值聚類

       1. 載入並瞭解數據集

       1.1 從網上下載一份txt格式的關於人口出生率統計的數據(countries.txt)。其內容大體以下：

       

       1.2 載入數據集countries.txt：

       

       1.3 查看相關文件信息，如維度，文件具體內容：

       

       1.4 給數據集行列更名，並查看更名後的結果：

       

       1.5 畫出全部樣本點：

       

       2. 調用聚類函數進行聚類

       

       kmeans 函數的原型爲：kmeans (x, centers, iter.max=10, nstart=1, alogorithm=c("Hartigan-Wong", "Lloyd", "For-gy", "MacQueen"))。

       這裏解釋下函數 kmeans 中的幾個形參：

- x：進行聚類分析的數據集；
- centers：簇個數；
- iter.max：最大迭代次數；
- nstart：選擇隨機中心點的次數 (選擇結果最優的那次隨機質心)；
- alogorithm：具體實現算法。默認爲Hartigan-Wong。

       3. 查看聚類結果

       

       結果內容從上至下分別爲：

       - 每一個簇的樣本數；
       - 每一個簇的質心；
       - 每一個樣本的聚類結果；
       - 本次聚類的相關統計信息：包含組內平方和，總平方和，組間平方和，以及組間平方和/總平方和。顯然它越大越好；
       - 最下面的那部分是指聚類結果數據集fit_km1中的各個變量(也即上面的那些信息，如fit_km1$size就等於3)。

       4. 將聚類結果圖形化展現

       

       

       5. 選擇最優center並最終肯定聚類方案

       

       很顯然，當k超過了8以後，聚類的結果波動就不大了。

       可作圖形象化的展現此現象：

       

       

       6. 用 k=8 進行聚類，而後看看和中國屬於一類的國家有哪些。

       

小結

        除了 k 的大小，還能夠經過調整迭代次數、選擇中心點次數、從新實現算法等方式實現最優聚類。

        另外，本文所講的只是最爲經典的KMeans聚類，更多更好玩的聚類算法，請查閱相關論文或相關R語言包的說明文檔。