本文講解如何使用R語言進行 KMeans 均值聚類分析，并以一個關于人口出生率死亡率的執行個體示範具體分析步驟。
前言
本文講解如何使用R語言進行 KMeans 均值聚類分析，并以一個關于人口出生率死亡率的執行個體示範具體分析步驟。
聚類分析總體流程
1. 載入并了解資料集；
2. 調用聚類函數進行聚類；
3. 檢視聚類結果描述；
4. 将聚類結果圖形化展示；
5. 選擇最優center并最終确定聚類方案；
6. 圖形化展示不同方案效果并送出分析報表。
人口出生/死亡率聚類分析 - K均值聚類
1. 載入并了解資料集
1.1 從網上下載下傳一份txt格式的關于人口出生率統計的資料(countries.txt)。其内容大緻如下：
1.2 載入資料集countries.txt：
1.3 檢視相關檔案資訊，如次元，檔案具體内容：
1.4 給資料集行列改名，并檢視改名後的結果：
1.5 畫出所有樣本點：
2. 調用聚類函數進行聚類
kmeans 函數的原型為：kmeans (x, centers, iter.max=10, nstart=1, alogorithm=c("Hartigan-Wong", "Lloyd", "For-gy", "MacQueen"))。
這裡解釋下函數 kmeans 中的幾個形參：
- x：進行聚類分析的資料集；
- centers：簇個數；
- iter.max：最大疊代次數；
- nstart：選擇随機中心點的次數 (選擇結果最優的那次随機質心)；
- alogorithm：具體實作算法。預設為Hartigan-Wong。
3. 檢視聚類結果
結果内容從上至下分别為：
- 每個簇的樣本數；
- 每個簇的質心；
- 每個樣本的聚類結果；
- 本次聚類的相關統計資訊：包含組内平方和，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資料集fit_km1中的各個變量(也即上面的那些資訊，如fit_km1$size就等于3)。
4. 将聚類結果圖形化展示
5. 選擇最優center并最終确定聚類方案
很顯然，當k超過了8之後，聚類的結果波動就不大了。
可做圖形象化的展示此現象：
6. 用 k=8 進行聚類，然後看看和中國屬于一類的國家有哪些。
小結
除了 k 的大小，還可以通過調整疊代次數、選擇中心點次數、重新實作算法等方式實作最優聚類。
另外，本文所講的隻是最為經典的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。