用matlab编写Kmeans算法

下面是用MATLAB编写Kmeans算法的示例代码：

% 生成随机数据
data = rand(100,2);

% 设置聚类数
k = 3;

% 初始化聚类中心
centroids = data(randperm(length(data),k),:);

% 迭代次数
max_iters = 100;

for i=1:max_iters
    % 距离矩阵
    distances = pdist2(data, centroids);
    
    % 找出每个数据点属于哪个聚类
    [~, cluster_idx] = min(distances, [], 2);
    
    % 更新聚类中心
    for j=1:k
        centroids(j,:) = mean(data(cluster_idx==j,:), 1);
    end
end

% 可视化聚类结果
scatter(data(:,1), data(:,2), 10, cluster_idx);

其中，`data`是待聚类的数据，`k`是聚类数，`centroids`是初始聚类中心，`max_iters`是最大迭代次数。在每次迭代中，首先计算距离矩阵，然后根据距离矩阵找出每个数据点属于哪个聚类，最后更新聚类中心。最后，用`scatter`函数可视化聚类结果。