利用K means进行分类matlab程序实现代码

以下是一个简单的 Matlab 程序，用于对给定数据集进行 K 均值聚类。该程序假定数据集存储在名为 data 的矩阵中，其中每一行代表一个数据点，每一列代表一个特征。

% K-means clustering algorithm
% Author: Your Name
% Date: Today's date

% Load the data set
load data.mat;

% Set the number of clusters (K) to be used
K = 3;

% Initialize the centroids randomly
centroids = datasample(data, K, 'Replace', false);

% Initialize the cluster assignments
cluster_assignments = zeros(size(data, 1), 1);

% Run the algorithm for a fixed number of iterations
for i = 1:10
    % Assign each data point to the closest centroid
    for j = 1:size(data, 1)
        distances = sqrt(sum((data(j,:) - centroids).^2, 2));
        [~, cluster_assignments(j)] = min(distances);
    end
    
    % Update the centroids
    for j = 1:K
        centroids(j,:) = mean(data(cluster_assignments == j, :), 1);
    end
end

% Plot the results
figure;
scatter(data(:,1), data(:,2), [], cluster_assignments, 'filled');

在这个程序中，我们首先加载数据集，然后将 K 设置为所需的聚类数。然后，我们随机初始化 K 个聚类中心，并将每个数据点分配到最近的中心。然后，我们更新每个聚类的中心，继续进行迭代，直到达到指定的迭代次数。最后，我们绘制聚类结果，将每个簇分配的数据点用不同的颜色进行区分。