R中行向量K-means聚类：fviz_nbclust报错及聚类图解读

一、修复fviz_nbclust()报错 #

你的B1是行向量，直接用c(B1)会生成一维向量，不符合fviz_nbclust()对矩阵/数据框的输入要求。只需把行向量转置为列矩阵（或数据框）即可：

# 转置为列矩阵
B1_matrix <- t(B1)
# 运行fviz_nbclust
fviz_nbclust(B1_matrix, kmeans, method = "wss")

这是因为聚类算法要求数据结构为样本行、特征列，转置后的矩阵才满足这个格式。

二、K-means聚类结果解读 #

你得到的10类聚类结果可以从两部分拆解：

• 聚类规模（sizes）：每个数字对应该类包含的样本数。比如第9类有918820个样本，占总样本（919296）的绝大多数，说明数据里绝大多数数值处于极低区间；剩余9类样本量都很小，是少数高值点。
• 聚类均值（Cluster means）：每一类的中心数值，代表该类样本的典型值：
  • 第9类均值约为0.0015，和它的超大样本量匹配，说明大部分数据都是接近0的极小值。
  • 其他类均值从13.1到196.4不等，代表这些是数值较高的少数样本，各自聚成不同组：比如第3类是均值最高的组（196.4），仅10个样本；第2类是小分组里均值最低的（13.1），有200个样本。

本质上你的数据分布极度倾斜：绝大多数是接近0的数值，少数高值被分成9个小簇，每个簇对应不同的高值区间。

内容的提问来源于stack exchange，提问作者Yogesh Selvakumar