帮我写出二分kmeans聚类一个数据集表格的matlab代码，不使用nargin和nargout

在MATLAB中，二分K-means聚类算法通常不涉及使用`nargin`和`nargout`，因为我们更关注处理输入数据而不是接收命令行参数。以下是使用`kmeans`函数进行二分K-means聚类的一个基本示例，假设我们有一个二维数据集存储在一个矩阵`data`中：

% 假设你的数据集是一个MxN的矩阵，其中M是样本数，N是特征维度
data = [rand(100, 2); rand(100, 2)]; % 创建一个随机数据集

% 设定初始簇中心点（这里取数据集中前两列的均值）
initialCentroids = mean(data(:, 1:2));

% 设置初始簇数量为2（二分K-means）
numClusters = 2;

% 执行二分K-means聚类
[clusterIdx, centroids] = kmeans(data, numClusters, 'EmptyAction', 'singleton', 'Replicates', 1);

% 结果存储
resultTable = table(clusterIdx, data, 'VariableNames', {'ClusterID', 'Data'});
disp(resultTable);

在这个例子中，我们首先生成了一个二维数据集，然后选择一半的数据作为第一个簇的中心点，另一半作为第二个簇的中心点。然后我们使用`kmeans`函数对数据进行聚类，并将结果保存到一个表格中。

注意，`'EmptyAction', 'singleton'`选项用于处理空簇，而`'Replicates', 1`确保在首次迭代时不改变初始中心点。