用matlab实现质心算法

质心算法（K-means）是一种聚类算法，用于将数据点分成不同的类别。以下是使用MATLAB实现质心算法的示例代码：

% 生成随机数据
data = rand(100,2);

% 设定聚类的数量
k = 3;

% 随机选取k个质心
centroids = data(randperm(size(data,1),k),:);

% 迭代次数
max_iter = 100;

% 开始迭代
for i = 1:max_iter
    % 计算每个数据点到质心的距离
    distances = pdist2(data,centroids,'euclidean');
    
    % 找到每个数据点最近的质心，将其分到对应的类别中
    [~,labels] = min(distances,[],2);
    
    % 更新质心的位置
    for j = 1:k
        centroids(j,:) = mean(data(labels==j,:),1);
    end
    
    % 判断是否收敛
    if i > 1
        if isequal(labels,old_labels)
            break;
        end
    end
    
    % 保存上一次的类别
    old_labels = labels;
end

% 可视化结果
scatter(data(:,1),data(:,2),10,labels,'filled');

在这个示例中，我们首先生成了100个二维随机数据点，然后将其分成了3个类别。接下来，我们随机选取了3个质心，并进行了最多100次的迭代。在每次迭代中，我们计算了每个数据点到质心的距离，并将其分到离它最近的质心所代表的类别中。然后，我们更新了每个类别的质心的位置。最后，我们将数据点可视化，并将其按照类别着色。