matlab 代码实现 k-means 算法

以下是 MATLAB 中实现 k-means 算法的示例代码：

function [centroids, idx] = kmeans(X, K, max_iters)
% K-means 算法的实现

% 初始化参数
[m, n] = size(X);
centroids = X(randperm(m, K), :);  % 随机初始化聚类中心
idx = zeros(m, 1);

% 迭代更新
for iter = 1:max_iters
    % 分配每个样本到最近的聚类中心
    for i = 1:m
        dist = sum((X(i, :) - centroids).^2, 2);
        [~, idx(i)] = min(dist);
    end
    
    % 更新聚类中心
    for k = 1:K
        centroids(k, :) = mean(X(idx == k, :));
    end
end

end

在这个示例代码中，`X` 是数据集，每行是一个样本，`K` 是簇的个数，`max_iters` 是最大迭代次数。函数返回聚类中心 `centroids` 和每个样本所属的簇 `idx`。

函数首先随机选择 `K` 个样本作为初始聚类中心，然后进行迭代更新。在每次迭代中，首先计算每个样本到聚类中心的距离，然后将样本分配到距离最近的聚类中心所属的簇。接着，更新每个簇的聚类中心为该簇中所有样本的均值。重复以上步骤直至达到最大迭代次数。

使用该函数可以实现 k-means 算法并得到聚类结果。