k-means聚类MATLAB

k-means是一种常用的无监督机器学习算法，用于数据集的分群（clustering），特别是在MATLAB中广泛应用。它将数据点划分到预先设定数量的簇（k个中心或质心），每个簇由其内部所有数据点组成，而簇的中心则由该簇内的平均值计算得出。

在MATLAB中，使用`kmeans`函数进行k-means聚类的基本步骤如下：
1. 准备数据：加载或创建一个二维数组作为输入数据集。

data = [your_data_matrix];

2. 设置聚类数k：确定需要的簇的数量。

k = 3; % 例如，你想分为3个簇

3. 运行k-means算法：

[idx, centers] = kmeans(data, k);

这里，`idx`是一个向量，表示每个数据点所属的簇索引；`centers`是找到的簇中心矩阵。

4. 可视化结果：可以使用`scatter`或`plot`等函数，用不同颜色标记属于不同簇的数据点和簇中心。

scatter(data(:,1), data(:,2), [], idx, 'filled');
hold on;
scatter(centers(:,1), centers(:,2), 100, 'k', 'filled');
hold off;