用matlab实现kmeans算法

以下是使用MATLAB实现K-Means聚类算法的示例代码：

% 生成随机数据
data = rand(100,2);

% 设置聚类数目
k = 3;

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

% 迭代次数
num_iters = 10;

% 运行K-Means算法
for i=1:num_iters
    % 计算每个点到聚类中心的距离
    distances = pdist2(data, centroids);
    
    % 确定每个点所属的聚类
    [~, cluster] = min(distances,[],2);
    
    % 更新聚类中心
    for j=1:k
        centroids(j,:) = mean(data(cluster==j,:));
    end
end

% 绘制聚类结果
figure;
scatter(data(cluster==1,1), data(cluster==1,2), 'r');
hold on;
scatter(data(cluster==2,1), data(cluster==2,2), 'g');
scatter(data(cluster==3,1), data(cluster==3,2), 'b');
scatter(centroids(:,1), centroids(:,2), 100, 'k', 'filled');

该代码首先生成随机数据，然后设置聚类数目和迭代次数。接下来，它初始化聚类中心点，并在每次迭代中计算每个点到聚类中心的距离，确定每个点所属的聚类，并更新聚类中心点。最后，它绘制了聚类结果