聚类分析实例-标注聚类中心

1、准备数据集

set.seed(2) #设置随机数种子x = matrix(rnorm(50*2),ncol=2) #生成50X2的正态分布矩阵x[1:25,1] = x[1:25,1] +3
x[1:25,2] = x[1:25,2] -4 #构建不同的聚类

2、创建聚类模型

km.out = kmeans(x,2,nstart=20)km.out$cluster

输出如下：

很明显，前25条记录分为了一类，后25条记录分为了一类。

3、作图并标注聚类中心

plot(x,col=(km.out$cluster+1)) #做出数据集的点图km.out$centers #打印聚类中心points(km.out$centers[1,1],km.out$centers[1,2],pch=10,col="red",cex=2)
points(km.out$centers[2,1],km.out$centers[2,2],pch=10,col="blue",cex=2) #标注聚类中心

输出如下：

聚类分析实例-标注聚类中心相关推荐

python导入数据聚类分析实例_聚类分析实战解析与总结 - 数据分析
聚类分析是没有给定划分类别的情况下,根据样本相似度进行样本分组的一种方法,是一种非监督的学习算法.聚类的输入是一组未被标记的样本,聚类根据数据自身的距离或相似度划分为若干组,划分的原则是组内距离最小化 ...
聚类中心-最邻近交叉口距离密度分布图
import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator#从pyplot导入MultipleLocat ...
weka_ 聚类分析实例演练
weka_ 聚类分析实例演练 1.数据准备:下载链接 http://download.csdn.net/detail/xuxurui007/6753847 2.聚类原理聚类分析中的&qu ...
K均值聚类关于初始聚类中心的探讨
摘要:进入二十一世纪以来,科学技术的不断发展,使得数据挖掘技术得到了学者越来越多的关注.数据挖掘是指从数据库中发现隐含在大量数据中的新颖的.潜在的有用信息和规则的过程,是一种处理数据库数据的知识发现. ...
数据建模-聚类分析-K-Means算法 --聚类可视化工具TSNE
使用TSNE口可视化工具显示数据建模-聚类分析-K-Means算法 #-*- coding: utf-8 -*-import sys reload(sys) sys.setdefaultencodi ...
讨论k值以及初始聚类中心对聚类结果的影响_K均值聚类需要标准化数据吗
摘要:进入二十一世纪以来,科学技术的不断发展,使得数据挖掘技术得到了学者越来越多的关注.数据挖掘是指从数据库中发现隐含在大量数据中的新颖的.潜在的有用信息和规则的过程,是一种处理数据库数据的知识发现. ...
R语言聚类分析之层次聚类（hierarchical clustering）实战
R语言聚类分析之层次聚类(hierarchical clustering)实战目录 R语言聚类分析之层次聚类(hierarchical clustering)实战 #距离计算
6.4 如何初始化聚类中心-机器学习笔记-斯坦福吴恩达教授
如何初始化聚类中心通常,我们会随机选取 KKK 个样本作为 KKK 个聚类中心(K<m)( K<m )(K<m).但是,如下图所示,不同的初始化有可能引起不同的聚类结果,能达到全局 ...
ML之K-means：基于DIY数据集利用K-means算法聚类(测试9种不同聚类中心的模型性能)
ML之K-means:基于DIY数据集利用K-means算法聚类(测试9种不同聚类中心的模型性能) 目录输出结果设计思路实现代码输出结果设计思路 1.使用均匀分布函数随机三个簇,每个簇周围1 ...

聚类分析实例-标注聚类中心

聚类分析实例-标注聚类中心相关推荐

最新文章

热门文章