每个人的研究领域不一样，也许某个小众研究领域的 R 包，对这个领域的人来说是必学的，对其他人来说，就没有学习的必要。

主要4中软件包

stas：主要包含基本统计函数。

cluster：用于聚类分析。

fpc：含聚类算法函数（固定聚类、线性回归聚类等）。

mclust：处理高斯分布混合模型，通过EM算法实现聚类、分类及密度估计等。

kmeans()函数用法：

kmeans(x,centers,iter.max=10,nstart=1,algorithm=c("Hartigan-Wong","Lloyd","For-gy","MacQueen")

library("xlsx")
accountinfo dim(accountinfo)
head(accountinfo)

account_km print(account_km) #输出结果

3类样本数分别为：43002,12509，2294

中心点坐标为：

1 1.468350 102.2073
2 4.070589 396.2660
3 8.369224 937.3692

组内平方和为：197660145 152158338 254995794

因此，把重点放在所关注领域的 R 包上，掌握 1～3 个这个领域的 R 包，够用即可。 RStudio 推荐常用包，其实，RStudio 官网已经给我们列出了大部分常见领域的 R 包，一起来看一下：

1. 操作数据 - manipulate data

2. 数据可视化 - visualize data

3. 机器学习模型 - model data

4. 结果展示 - report results

5. 时间序列和金融数据 - time series and financial data

6. Web 开发 - work with the web

7. 空间数据 - spatial data

8. 编写高性能 R 代码 - write high performance R code

当然，不断有新的 R 包在开发出来，也许若干年以后，以上有些包已经退出了历史舞台，被新的包所替代，脱颖而出的新包，一定有可取的地方，值得我们去借鉴学习。

R语言聚类分析的包及函数

l  MASS包的数据集（iris） ；

l  Ststs包中的hclust()函数 ；

l  AMAP包中的kmean()函数，

l  R语言学习汇总大全。