能用matlab写出k-means聚类算法吗

当然可以！以下是 MATLAB 实现 k-means 聚类算法的示例代码：

% 生成一些随机数据
data = rand(100, 2);

% 设置聚类数目
k = 3;

% 初始化聚类中心
centers = data(randperm(size(data, 1), k), :);

% 迭代聚类
for i = 1:100
    % 计算每个数据点到聚类中心的距离
    distances = pdist2(data, centers);

    % 确定每个数据点所属的聚类
    [~, labels] = min(distances, [], 2);

    % 更新聚类中心
    for j = 1:k
        centers(j, :) = mean(data(labels == j, :), 1);
    end
end

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

在此示例中，我们首先生成了一些随机数据，然后设置了聚类数目为 3。接着我们初始化了聚类中心，并进行了 100 次迭代聚类。最后，我们将聚类结果可视化出来。

相关问题

用matlab写k-means聚类算法

以下是用Matlab实现k-means聚类算法的示例代码：

% 生成数据集
rng(1);
data = [randn(100,2)*0.75+ones(100,2);
randn(100,2)*0.5-ones(100,2)];

% 初始化聚类中心
k = 2;
centroids = data(randperm(size(data,1),k),:);

% 迭代聚类
for iter = 1:10
% 计算每个点所属的聚类
[~,cluster] = min(pdist2(data,centroids,'euclidean'),[],2);

% 更新聚类中心
for i = 1:k
centroids(i,:) = mean(data(cluster==i,:),1);
end
end

% 绘制结果
figure;
scatter(data(cluster==1,1),data(cluster==1,2),'r');
hold on;
scatter(data(cluster==2,1),data(cluster==2,2),'b');
scatter(centroids(:,1),centroids(:,2),'kx');
legend('Cluster 1','Cluster 2','Centroids');
title('K-means Clustering');

在matlab上用k-means聚类算法聚类鸢尾花数据集

好的，以下是在MATLAB上使用k-means聚类算法聚类鸢尾花数据集的步骤：

1. 加载鸢尾花数据集

load fisheriris

2. 提取需要聚类的特征

X = meas(:, 3:4);

这里我们选择花瓣的长度和宽度作为聚类的特征。

3. 进行k-means聚类

k = 3;  % 设置聚类的类别数
[idx, C] = kmeans(X, k);

聚类的结果保存在`idx`中，每个样本所属的类别编号；聚类中心保存在`C`中。

4. 可视化聚类结果

figure;
gscatter(X(:,1), X(:,2), idx);
hold on;
plot(C(:,1), C(:,2), 'k*', 'MarkerSize', 10);
legend('Cluster 1', 'Cluster 2', 'Cluster 3', 'Centroids');

这里使用了`gscatter`函数将每个样本按照聚类结果进行可视化，使用`plot`函数将聚类中心标出来。

完整代码如下：

load fisheriris
X = meas(:, 3:4);
k = 3;  % 设置聚类的类别数
[idx, C] = kmeans(X, k);
figure;
gscatter(X(:,1), X(:,2), idx);
hold on;
plot(C(:,1), C(:,2), 'k*', 'MarkerSize', 10);
legend('Cluster 1', 'Cluster 2', 'Cluster 3', 'Centroids');