爾云間? 一個專門做科研額團隊

原創(chuàng)?小果?生信果?

歡迎點贊+收藏+關(guān)注

生信人R語言學(xué)習(xí)必備

立刻擁有一個Rstudio賬號

開啟升級模式吧

（56線程，256G內(nèi)存，個人存儲1T）

最近小果看了很多文章，發(fā)現(xiàn)了一些高分文章的共有技術(shù)點——聚類

于是小果絕對帶給大家一個經(jīng)典聚類算法的代碼案例教學(xué)，希望讓大家都能寫出高分文章，也讓小云沾沾喜氣！

K-Means聚類是一種無監(jiān)督學(xué)習(xí)算法，用于將數(shù)據(jù)點分組成k個簇。該算法將數(shù)據(jù)點分配到距離它們最近的簇中，其中距離通常是歐氏距離。

然后，通過計算每個簇的質(zhì)心（簇中所有數(shù)據(jù)點的平均值），來確定每個簇的中心點。這些步驟反復(fù)進(jìn)行，直到質(zhì)心不再改變或達(dá)到最大迭代次數(shù)為止。讓我們直接進(jìn)入主題！上代碼！

1、下載所需要的R包

2、加載所需R包

3、示例數(shù)據(jù)

該數(shù)據(jù)為R語言內(nèi)置數(shù)據(jù)集，包含美國每個州每10萬因不同犯罪類型而被捕的人數(shù)，以及每個州居住在城市地區(qū)的人口百分比（UrbanPop）

4、選擇合適的聚類數(shù)量

（1）利用手肘法確認(rèn)最佳聚類數(shù)量（手肘法：通常我們創(chuàng)建這類圖形尋找某個K類對應(yīng)的平方和值開始彎曲或趨于平緩的肘形。這通常是最理想的聚類數(shù)量。）

fviz_nbclust(df,kmeans,method=”wss”)

#根據(jù)上圖可以看出k=4時出現(xiàn)肘性，所以后續(xù)實驗聚類數(shù)量為4

（2）差距統(tǒng)計確認(rèn)最佳聚類數(shù)量

#根據(jù)上圖可以看出k=4時，差距統(tǒng)計最大，與手肘法結(jié)果相同。

5、執(zhí)行kmeans聚類

?

?

結(jié)果顯示分類結(jié)果為4個簇，分別包含16、13、13和8個州，以四種顏色圈出對應(yīng)的區(qū)域并展示。

以上就是k-means聚類的實驗流程，很簡單吧，加到文章里又是點睛的一筆，快動動小手試試吧！

（小果新開發(fā)的零代碼云生信分析工具平臺包含超多零代碼小工具，上傳數(shù)據(jù)一鍵出圖，感興趣的小伙伴歡迎來參觀喲，網(wǎng)址：http://www.biocloudservice.com/home.html）

“生信果”，生信入門、R語言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見證小白和大佬的成長。