将kmeans得到的pca matlab代码

以下是使用MATLAB实现kmeans和PCA的代码示例：

K-means聚类：

% 加载数据
data = load('data.txt');
% 设置聚类数目
k = 3;
% 运行k-means算法
[idx, C] = kmeans(data, k);
% 可视化聚类结果
scatter(data(:,1), data(:,2), 15, idx, 'filled');

PCA降维：

% 加载数据
data = load('data.txt');
% 中心化数据
mean_data = mean(data, 1);
data_centered = data - repmat(mean_data, size(data,1), 1);
% 计算协方差矩阵
cov_matrix = cov(data_centered);
% 计算特征向量和特征值
[eig_vec, eig_val] = eig(cov_matrix);
% 按照特征值从大到小排序
[~, idx] = sort(diag(eig_val), 'descend');
eig_vec = eig_vec(:, idx);
% 取前两个主成分
pc = eig_vec(:, 1:2);
% 将数据投影到主成分上
data_pca = data_centered * pc;
% 可视化降维结果
scatter(data_pca(:,1), data_pca(:,2), 15, 'filled');

请注意，这里的数据是从文件中加载的，因此需要在代码中提供数据文件的路径。另外，这里的代码示例仅演示了基本的k-means和PCA，您可以根据需要进行调整和修改。