matlab手写实现kmeans聚类算法

以下是一个简单的 MATLAB 实现 K-Means 聚类算法的示例代码：

% 加载数据
data = load('data.txt');

% 设置聚类数和迭代次数
k = 3;
max_iters = 10;

% 随机初始化聚类中心
centroids = initCentroids(data, k);

% 迭代优化聚类中心
for i=1:max_iters
    % 计算每个样本点与聚类中心的距离
    idx = findClosestCentroids(data, centroids);
    
    % 更新聚类中心
    centroids = computeCentroids(data, idx, k);
end

% 绘制聚类结果
plotDataPoints(data, idx, k);

% 初始化聚类中心
function centroids = initCentroids(X, k)
    randidx = randperm(size(X, 1));
    centroids = X(randidx(1:k), :);
end

% 计算每个样本点与聚类中心的距离
function idx = findClosestCentroids(X, centroids)
    K = size(centroids, 1);
    idx = zeros(size(X,1), 1);
    m = size(X,1);
    for i=1:m
        distance = zeros(K, 1);
        for j=1:K
            distance(j) = sum((X(i,:) - centroids(j,:)).^2);
        end
        [~, idx(i)] = min(distance);
    end
end

% 更新聚类中心
function centroids = computeCentroids(X, idx, k)
    [m n] = size(X);
    centroids = zeros(k, n);
    for i=1:k
        centroids(i,:) = mean(X(idx==i,:));
    end
end

% 绘制聚类结果
function plotDataPoints(X, idx, K)
    colors = 'rgb';
    markers = 'ov+';
    for i=1:K
        plot(X(idx==i,1), X(idx==i,2), strcat(colors(i), markers(i)), 'MarkerSize', 7);
        hold on;
    end
    hold off;
end