【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。（写出matlab代码）

【例题4.1】在这个题目中，你想要使用k-means聚类算法对15支足球队的积分数据进行分组，以便识别出那些在积分上整体表现相似的队伍。k-means是一种无监督学习算法，常用于数据分群。在MATLAB中，你可以按照以下步骤操作：

首先，假设你的数据存储在一个名为`score_data`的矩阵里，每行代表一场比赛，包含15支球队的得分。你需要确定聚类的数量（比如k=3），然后初始化k个质心（可以选择随机点或者基于一些启发式方法）。

% 导入数据
data = ...; % 从文件或变量中加载你的数据

% 设置聚类数量
num_clusters = 3;

% 初始化质心（这里使用随机选择）
initial_centers = datasample(data, num_clusters, 'Replace', false);

% 运行k-means算法
[idx, centers] = kmeans(data, num_clusters, 'InitialCenters', initial_centers);

`idx`是一个向量，其中每个元素对应一行数据，表示该行数据属于哪个簇；`centers`则是最终得到的聚类中心。

为了判断哪些队伍的整体水平相近，你可以查看每个簇内的队伍以及它们的平均积分：

% 计算簇内平均积分
cluster_scores = splitapply(@mean, data, idx);

最后，对比这三个平均积分，就可以了解哪几个队伍的积分分布更接近了。