SVM作为一种监督学习算法，主要任务是将线性不可分的样本通过一种非线性算法（如核函数）映射到高纬空间系统，使得样本集在高纬空间变得线性可分的机器学习算法。K-means作为非监督学习算法，能在对未知样本在无标签的情况下进行划分，对探索样本内部结果分布具有重要意义，本文将用R语言简单实现两种算法
1、SVM
install.packages("e1071")
set.seed("123") //设置随机数种子，也可不设置
library(e1071)//导入需要的包
nrow(iris)//查看r自带的数据集iris的行数
index=sample(1:nrow(iris),100)//随机选出数据集的100行数据作为测试集
traindata<-iris[index,]//测试数据
testdata<-iris[-index,]//训练数据
svmmodel<-svm(Species~.,data=traindata)//用测试数据建立SVM模型
result<-predict(object=svmmodel,newdata=testdata,type="class")//模型在测试数据集上测试
table(result,testdata$Species)//查看测试结果，生成一个混淆矩阵
2、k-means
install.packages("stats")
library(stats)
modelkmeans<-kmeans(x=subset(iris,select=-Species),center=3)
table(modelkmeans$cluster,iris$Species)
