Kmeans Clustering

Usando un dataset “poco utilizado”. EL viejo y querido IRIS

data(iris)
nrow(iris)

[1] 150

Se seleccionan los datos numericos (columnas 1 a la 4) y se especifican la cantidad de clusters (centers=3). en kmeans_res$cluster se encuentra el cluster asignado a cada una de los 150 data points.

kmeans_res<-kmeans(iris[,1:4],centers=3)
kmeans_res$cluster

  [1] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 1 1 2 1 1
 [56] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 2 2 2 1 2 2 2
[111] 2 2 2 1 1 2 2 2 2 1 2 1 2 1 2 2 1 1 2 2 2 2 2 1 2 2 2 2 1 2 2 2 1 2 2 2 1 2 2 1

Agregamos la columna con la identificación del cluster al dataset iris.

iris_cluster<-cbind(iris,clusterid=kmeans_res$cluster)
iris_cluster

Ahora usando dplyr vemos cuantas de las 3 especies (setosa,versicolor y virginica)

iris_cluster %>% group_by(clusterid,Species) %>% summarise(total=n())