kmeans聚类算法matlab代码怎么写

以下是一个简单的 K-means 聚类算法的 MATLAB 代码实现：

% 数据集
data = [1 1; 1.5 2; 3 4; 5 7; 3.5 5; 4.5 5; 3.5 4.5];

% 聚类数
k = 2;

% 随机初始化聚类中心
centroids = datasample(data, k, 'Replace', false);

% 最大迭代次数
max_iters = 10;

for i = 1:max_iters
    % 计算每个样本点到聚类中心的距离
    distances = pdist2(data, centroids);
    
    % 分配每个样本点到最近的聚类中心
    [~, idx] = min(distances, [], 2);
    
    % 更新聚类中心
    for j = 1:k
        centroids(j, :) = mean(data(idx == j, :));
    end
end

% 绘制聚类结果
colors = 'rgbmkc';
figure;
hold on;
for i = 1:k
    scatter(data(idx == i, 1), data(idx == i, 2), 36, colors(i), 'filled');
end
scatter(centroids(:, 1), centroids(:, 2), 100, 'k', 'filled', 'Marker', 'x');

在这个代码中，我们首先定义了一个数据集 `data`，然后指定了聚类数 `k`。接着，我们随机初始化了 `k` 个聚类中心，并设置了最大迭代次数 `max_iters`。在主循环中，我们计算了每个样本点到聚类中心的距离，然后将每个样本点分配给最近的聚类中心。最后，我们根据聚类结果绘制了散点图，并将聚类中心用叉子标出来。

请注意，这只是 K-means 算法的一个简单实现。在实际应用中，可能需要对初始化方法、距离度量、迭代终止条件等进行更细致的调整。