k-means代码matlab

以下是一个简单的k-means算法的Matlab代码示例：

% 生成随机数据
data = rand(100,2);

% 设定聚类数目
k = 3;

% 随机初始化中心点
centroids = data(randperm(size(data,1),k),:);

% 初始化聚类分配
cluster_assignments = zeros(size(data,1),1);

% 迭代聚类
for i=1:10 % 设定迭代次数
    % 计算每个数据点到每个中心点的距离
    distances = pdist2(data,centroids);

    % 分配每个数据点到最近的中心点
    [~,cluster_assignments] = min(distances,[],2);

    % 更新中心点位置
    for j=1:k
        centroids(j,:) = mean(data(cluster_assignments==j,:),1);
    end
end

% 可视化结果
scatter(data(:,1),data(:,2),[],cluster_assignments)

在这个简单的示例中，我们生成了一个包含100个随机数据点的矩阵，并使用k-means算法将其聚类为3个集群。我们使用randperm函数来随机初始化中心点，并使用pdist2函数计算每个数据点到每个中心点的距离。然后，我们分配每个数据点到最近的中心点，并更新中心点位置，直到达到指定的迭代次数。最后，我们使用scatter函数将聚类分配可视化。