在進行數據分析時，利用MATLAB實現K-means聚類算法是一種常見的方法。這里我們創建了一個數據集，包含100個點，并將其分為兩類，即k=2。首先，我們隨機生成了兩個集合的數據點，每個集合包含100個點，這些點在二維空間中分布。通過調用MATLAB的kmeans函數，我們可以實現聚類分析。該函數接受一個數據矩陣作為輸入，輸出包括每個點的聚類標號、聚類質心位置、類間所有點與質心距離之和以及每個點與所有質心的距離矩陣。這里我們使用了重復運行的功能，以提高聚類結果的穩定性。在完成聚類后，我們繪制了兩類數據點的分布情況。紅色點表示聚類為1的數據點，藍色點表示聚類為2的數據點。此外，我們還標出了兩個聚類的中心點，用黑色十字表示，以便觀察每個聚類的中心位置。通過這種方式，我們可以直觀地看到數據點是如何被分成兩類的，以及每個類別的中心位置。這有助于我們更好地理解數據集的結構和特征，對于后續的數據分析和決策具有重要意義。聚類結果中，每個點的聚類標號、聚類質心位置和類間所有點與質心距離之和等信息都是通過kmeans函數輸出的，可以進一步分析和利用。例如，通過分析聚類質心的位置和距離之和，我們可以了解每個類別的代表性以及類間的差異。通過上述步驟，我們成功地使用MATLAB實現了K-means聚類算法，并可視化了聚類結果。這種方法不僅適用于處理兩類數據，還可以擴展到處理更多類別的數據。在實際應用中，我們還可以根據具體需求調整參數，以獲得更佳的聚類效果。