k-means聚类matlab代码

K-means聚类是一种常用的无监督机器学习算法，用于将数据集分成k个簇或类别。在MATLAB中，你可以使用`kmeans`函数来进行K-means聚类。以下是一个简单的示例代码：

% 假设我们有一个二维的数据集data
data = randn(100, 2); % 创建100个随机样本，每个样本有两个特征

% 设置簇的数量（k）
k = 3;

% 运行k-means聚类
[idx, centroids] = kmeans(data, k);

% idx表示每个样本所属的簇的索引，centroids是找到的簇中心点

在这个例子中，`randn(100, 2)`生成了一个100x2的矩阵，代表100个二维数据点。`kmeans`函数接受两个参数：数据和想要划分成的簇数k。返回值`idx`是一个向量，记录了每个数据点属于哪个簇；`centroids`是簇中心的坐标。

如果你的数据在其他文件或者变量中，记得先加载到`data`这个变量里。

使用K-means后，你可以用`scatter`或`plot`等函数可视化结果，看看数据如何被分配到不同的簇中。

相关问题：
1. K-means的基本原理是什么？
2. 如何选择合适的簇数量k？
3. 如何评估K-means聚类的效果？