km聚类分析matlab代码

下面是一份简单的 MATLAB 代码实现 K-Means 聚类分析：

% 数据准备
data = [1 2; 1 4; 1 0; 4 2; 4 4; 4 0];
k = 2; % 设置聚类数量
[m, n] = size(data);
cluster = zeros(m, 1);
centers = data(randperm(m, k), :);

% 聚类迭代
for iter = 1:10 % 迭代次数
    % 分配聚类
    for i = 1:m
        dist = zeros(k, 1);
        for j = 1:k
            dist(j) = norm(data(i, :) - centers(j, :));
        end
        [~, cluster(i)] = min(dist);
    end
    
    % 更新聚类中心
    for j = 1:k
        centers(j, :) = mean(data(cluster == j, :));
    end
end

% 可视化结果
figure;
hold on;
scatter(data(cluster == 1, 1), data(cluster == 1, 2), 'r');
scatter(data(cluster == 2, 1), data(cluster == 2, 2), 'b');
scatter(centers(:, 1), centers(:, 2), 100, 'k', 'filled');
hold off;

其中，`data` 是待聚类的数据，`k` 是聚类数量，`cluster` 是每个数据所属的聚类编号，`centers` 是聚类中心的坐标。在迭代中，先根据当前的聚类中心分配每个数据所属的聚类，然后更新聚类中心。最终可视化聚类结果。