kmeans函数matlab

在 MATLAB 中，可以使用 `kmeans` 函数进行 K-means 聚类。该函数的语法如下：

[idx, C] = kmeans(X, k)

其中，`X` 为一个大小为 `m-by-n` 的矩阵，表示 m 个 n 维样本的特征向量；`k` 为聚类的个数；`idx` 为大小为 `m-by-1` 的一维向量，表示每个样本所属的聚类的索引；`C` 为大小为 `k-by-n` 的矩阵，表示聚类的中心点。

另外，`kmeans` 函数还有其他的输入参数和输出参数，可以根据实际需要进行使用。例如，可以通过指定 `'Distance'` 参数来选择不同的距离度量方式，例如欧几里得距离或曼哈顿距离等。

下面是一个使用 `kmeans` 函数进行聚类的示例：

% 生成随机数据
X = [randn(100, 2)*0.75+ones(100, 2);
     randn(100, 2)*0.5-ones(100, 2)];

% 使用 kmeans 函数进行聚类
[idx, C] = kmeans(X, 2);

% 可视化聚类结果
figure;
plot(X(idx==1,1),X(idx==1,2),'r.','MarkerSize',12)
hold on
plot(X(idx==2,1),X(idx==2,2),'b.','MarkerSize',12)
plot(C(:,1),C(:,2),'kx', 'MarkerSize',15,'LineWidth',3)
legend('Cluster 1','Cluster 2','Centroids','Location','NW')
title 'K-means Clustering'
hold off

该示例代码生成了一个大小为 `200-by-2` 的随机数据矩阵 `X`，然后使用 `kmeans` 函数将数据聚为 2 类，并将聚类结果可视化。