聚类分析matlab代码，附上聚类结果可视化的代码

以下是K-means聚类分析matlab代码：

% 假设样本的特征为X，共有m个特征
% 假设要分成k个簇
k = 3;
maxIter = 100; % 最大迭代次数
n = size(X, 1); % 样本数量

% 随机初始化簇中心
centroids = X(randperm(n, k), :);

% 开始迭代
for iter = 1:maxIter
    % 分配样本到簇中心最近的簇
    distances = pdist2(X, centroids); % 计算每个样本到每个簇中心的距离
    [minDist, clusters] = min(distances, [], 2); % 找到距离最近的簇
    
    % 更新簇中心
    for i = 1:k
        centroids(i, :) = mean(X(clusters==i, :), 1);
    end
end

% 可视化聚类结果
figure;
for i = 1:k
    plot(X(clusters==i, 1), X(clusters==i, 2), 'o');
    hold on;
    plot(centroids(i, 1), centroids(i, 2), 'kx', 'MarkerSize', 10, 'LineWidth', 2);
end

以下是可视化聚类结果的代码：

% 假设clusters是聚类结果，其中每个元素是一个簇
% 假设样本的特征为X，共有m个特征
m = size(X, 2);
for i = 1:length(clusters)
    color = rand(1, 3); % 随机生成一个颜色
    for j = 1:length(clusters{i})
        plot(X(clusters{i}(j), 1), X(clusters{i}(j), 2), 'o', 'color', color);
        hold on;
    end
end