abc kmeans算法matlab代码

K均值聚类（K-means Clustering）是一种常用的无监督学习算法，用于将数据集划分为K个不同的簇。

在MATLAB中，可以使用"K-means"函数实现对数据进行聚类。下面是一个简单的K-means聚类的MATLAB代码示例：

% 加载数据集
data = load('data.mat');

% 设置聚类的个数
k = 3;

% 运行K-means算法并获取聚类结果
[idx, C] = kmeans(data, k);

% 绘制聚类结果
figure;
hold on;
for i = 1:k
    % 获取第i个簇的索引
    cluster_idx = find(idx == i);
    
    % 绘制第i个簇的数据点
    scatter(data(cluster_idx, 1), data(cluster_idx, 2), 'filled');
end
% 绘制聚类中心
scatter(C(:, 1), C(:, 2), 'r', 'filled', 'MarkerEdgeColor', 'k');
hold off;

% 设置图表标题和坐标轴标题
title('K-means Clustering');
xlabel('Feature 1');
ylabel('Feature 2');

上述代码中，首先加载了一个名为data.mat的数据集，然后设置了聚类的个数k为3。然后调用kmeans函数对数据进行聚类，返回了每个数据点所属的簇的索引idx和聚类中心的坐标C。接下来，使用scatter函数绘制了每个簇的数据点，并使用不同的颜色区分了不同的簇，同时绘制了聚类中心。

最后，添加了图表的标题和坐标轴标题。

以上就是一个简单的使用MATLAB实现K-means聚类的代码示例。