R聚类分析

学习K-means和层次聚类，使用ggplot2进行聚类可视化 · 难度：入门 · +15XP

聚类分析：发现数据中的自然分组

聚类是一种无监督学习方法，将相似样本归为一组。本节介绍K-means和层次聚类。

1. K-means聚类

需要指定聚类数k，算法迭代优化簇内距离平方和。

data(iris)
set.seed(123)
kmeans_result <- kmeans(iris[,1:4], centers = 3, nstart = 25)
kmeans_result$cluster  # 每个样本的簇标签

2. 肘部法则选择k

wss <- numeric(10)
for(k in 1:10){
  wss[k] <- kmeans(iris[,1:4], centers=k, nstart=10)$tot.withinss
}
plot(1:10, wss, type='b', xlab='k', ylab='总簇内离差平方和')

3. 层次聚类

dist_mat <- dist(iris[,1:4], method='euclidean')
hclust_result <- hclust(dist_mat, method='ward.D2')
plot(hclust_result, labels=iris$Species, main='树状图')

4. 可视化聚类结果

library(ggplot2)
iris$cluster <- as.factor(kmeans_result$cluster)
ggplot(iris, aes(Petal.Length, Petal.Width, color=cluster)) + geom_point()

聚类方法对比：

练习提示：对mtcars数据集做K-means聚类（k=3），并绘制散点图按簇着色。