【例题4.1】表4-1为某机构15支足球队在2017-2018年间的积分，各队在各赛事中的水平发挥有所不同。若将球队的水平分为三个不同的层次水平，试用k–均值聚类方法分析哪些队伍的整体水平比较相近并用具体图像表示出来。（写出matlab代码）

【例题4.1】在这个问题中，你需要运用k-means聚类算法对15支足球队在2017-2018年间的表现数据进行分组，以识别那些整体水平接近的队伍。首先，你需要准备数据，假设数据存储在一个名为`team_scores.csv`的文件中，每行代表一支球队，列包含各项比赛的积分。

以下是使用Matlab进行k-means聚类的基本步骤：

% 加载数据
data = readtable('team_scores.csv');
scores = data{:, 2:end}; % 提取所有比赛积分

% 确定初始聚类中心（比如随机选择）
num_clusters = 3; % 三个层次
initial_centers = kmeans.InitialCenters(scores, num_clusters);

% 进行k-means聚类
[idx, centers] = kmeans(scores, initial_centers);

% 将结果可视化
figure;
scatter3(scores(:, 1), scores(:, 2), scores(:, 3), [], idx, 'filled');
hold on;
plot3(centers(:, 1), centers(:, 2), centers(:, 3), 'ro', 'MarkerSize', 10, 'LineWidth', 2);
title('K-Means Clustering of Football Teams');
xlabel('Score 1');
ylabel('Score 2');
zlabel('Score 3');

% 查看每个簇内的队伍
cluster_teams = cell(num_clusters, 1);
for i = 1:num_clusters
    cluster_teams{i} = team_names(idx == i);
end

%