Kmeans matlab 代码

以下是一个简单的Kmeans Matlab代码示例：

% 生成随机数据
data = rand(100,2);

% 设置K值和迭代次数
K = 3;
max_iters = 10;

% 随机初始化质心
centroids = data(randperm(size(data,1),K),:);

for i=1:max_iters
    % 计算样本到质心的距离
    distances = pdist2(data, centroids);
    
    % 找到最近的质心
    [~,labels] = min(distances,[],2);
    
    % 更新质心位置
    for j=1:K
        centroids(j,:) = mean(data(labels==j,:));
    end
end

% 可视化结果
scatter(data(:,1),data(:,2),10,labels,'filled')
hold on
scatter(centroids(:,1),centroids(:,2),50,'k','filled')

这个代码使用Kmeans算法对一个随机生成的二维数据集进行聚类，并将结果可视化。首先，我们生成100个随机的二维数据点。然后，我们设置K值为3，最大迭代次数为10。接下来，我们随机初始化3个质心。在迭代过程中，我们计算每个样本到每个质心的距离，并将其分配给最近的质心。然后，我们更新每个质心的位置，使其成为其分配的所有样本的平均值。最后，我们将数据点和质心可视化，其中数据点的颜色对应于其所属的簇。