请改正while iters < max_iters % 计算每个数据点到质心的欧氏距离，并将每个数据点分配给离其最近的质心，更新聚类结果 idx for i = 1:n distances = sum((X(i, :) - centroids).^2, 2); [~, min_idx] = min(distances); idx(i) = min_idx; end % 对于每个聚类的数据点，重新计算质心 centroids 作为该聚类内所有数据点的均值 for j = 1:k centroids(j, :) = mean(X(idx == j, :)); end % 更新迭代次数 iters iters = iters + 1; end

以下是经过修改后的代码：

% 数据集 X
X = [x1, x2, x3, ..., xn];
% 聚类数目 k
k = 20;
% 迭代次数 max_iters
max_iters = 100;

% 随机选择 k 个数据点作为初始质心 centroids
n = size(X, 1);
rand_indices = randperm(n);
centroids = X(rand_indices(1:k), :);

% 初始化聚类结果 idx
idx = zeros(n, 1);

% 迭代次数 iters
iters = 0;

% 循环执行以下步骤直到 iters 达到 max_iters 或聚类结果不再发生变化
while iters < max_iters
    % 计算每个数据点到质心的欧氏距离，并将每个数据点分配给离其最近的质心，更新聚类结果 idx
    for i = 1:n
        distances = sum((X(i, :) - centroids).^2, 2);
        [~, min_idx] = min(distances);
        idx(i) = min_idx;
    end
    
    % 对于每个聚类的数据点，重新计算质心 centroids 作为该聚类内所有数据点的均值
    for j = 1:k
        centroids(j, :) = mean(X(idx == j, :));
    end
    
    % 更新迭代次数 iters
    iters = iters + 1;
end

% 输出聚类结果 idx 和最终的质心 centroids