帮我写出二分kmeans聚类一个数据集表格的matlab代码

在MATLAB中，二分K-Means聚类通常涉及到`kmeans`函数的使用，假设你已经有了一个名为`data`的数据矩阵，其中每一行是一个样本点。这里是一个简单的例子，演示如何对数据进行二分K-Means聚类，然后可视化结果：

% 假设数据集存储在一个变量data中
if nargin < 2
    data = load('your_dataset.mat'); % 替换为你的实际数据文件路径
end

% 初始设定，假设初始聚类中心是数据集中的一半样本
initial_centers = data(1:round(size(data,1)/2), :);

% 设置二分K-Means的参数，例如迭代次数
options = statset('MaxIter', 50); % 更改成你需要的最大迭代次数

% 进行聚类
[idx, centers] = kmeans(data, 2, 'InitialCenters', initial_centers, options);

% 将聚类标签添加回原始数据
data_with_labels = [data; idx'];

% 可视化数据及其聚类结果（假设二维数据）
figure;
scatter(data(:,1), data(:,2), 10, data_with_labels(:, end), 'filled');
hold on;
plot(centers(:,1), centers(:,2), 'x', 'MarkerSize', 15, 'LineWidth', 2);
title('K-Means Clustering Result');
xlabel('Feature 1');
ylabel('Feature 2');
legend('Cluster 1', 'Cluster 2');

% 显示聚类中心
disp(['Final cluster centers: ', mat2str(centers)]);

请注意，这只是一个基本示例，实际应用中你可能需要根据数据特性调整初始化策略、选择合适的评价指标（如SSE、轮廓系数等）以及处理异常情况。别忘了将上述代码中的`'your_dataset.mat'`替换为你的数据文件路径。执行以上代码后，你可以查看聚类结果和聚类中心。