找到答案，看到讲解发生的那一刻，再顺着概念继续探索。
正在理解你的问题，下面的搜索结果可先查看。
在 R 中，您可以使用 kmeans() 函数运行 K-means 聚类。您将数据集作为第一个参数传递，并使用 centers 参数指定簇的数量，例如 centers = 3。
适用条件：需要一个数值数据集。；需要指定簇的数量（centers）。
在 R 中，您可以使用 kmeans() 函数运行 K-means 聚类。您将数据集作为第一个参数传递，并使用 centers 参数指定簇的数量，例如 centers = 3。
适用条件：需要一个数值数据集。；需要指定簇的数量（centers）。
K-means 是一种流行的聚类算法，用于将数据划分为不同的、互不重叠的组。它有助于发现隐藏的模式或重新思考现有的类别。
适用条件：数据必须可以被划分为不同的组。；组是互不重叠的。
K-means 是一种流行的聚类算法，用于将数据划分为不同的、互不重叠的组。它有助于发现隐藏的模式或重新思考现有的类别。
适用条件：数据必须可以被划分为不同的组。；组是互不重叠的。
您可以通过创建至少两个变量的散点图来可视化 K-means 簇，根据它们的簇分配对数据点进行着色，并将簇中心作为大的、独特的点添加。
适用条件：需要至少两个数值变量进行绘图。；需要来自 kmeans 输出的簇分配和中心坐标。
您可以通过创建至少两个变量的散点图来可视化 K-means 簇，根据它们的簇分配对数据点进行着色，并将簇中心作为大的、独特的点添加。
适用条件：需要至少两个数值变量进行绘图。；需要来自 kmeans 输出的簇分配和中心坐标。
kmeans 函数返回的对象包含每个数据点的簇分配以及每个簇中心的坐标位置。
kmeans 函数返回的对象包含每个数据点的簇分配以及每个簇中心的坐标位置。