kmeans是一種聚類演算法（無監督學習）。
演算法分為兩步：
1.隨機選取k個聚類中心。
2.計算每個樣本點離哪個聚類中心最近（距離計算）就將該樣本分為這個類。
3.重新計算這k個類的聚類中心。一種簡單的計算方法為：計算每個類的平均值即為新的聚類中心。重複執行步驟2，直到聚類中心的變化小於給定閾值，或者達到迭代次數，即停止聚類。
這裡只是簡單理解，並未深入去考慮k的選擇，初始聚類中心的選擇對演算法的影響。
下面給出乙個利用matlab自帶kmeans函式實現聚類的例項
close all;
clc;
x=[randn(100,2)*1e2;randn(100,2)*2e2;randn(100,2)*3e2;...
randn(100,2)*4e2;randn(100,2)*5e2;randn(100,2)*6e2];
figure,plot(x(:,1),x(:,2),'.');
[idx,ctrs]=kmeans(x,6);
figure,plot(x(idx==1,1),x(idx==1,2),'.r');
hold on
plot(x(idx==2,1),x(idx==2,2),'.b');
hold on
plot(x(idx==3,1),x(idx==3,2),'.m');
hold on
plot(x(idx==4,1),x(idx==4,2),'.g');
hold on
plot(x(idx==5,1),x(idx==5,2),'.k');
hold on
plot(x(idx==6,1),x(idx==6,2),'.c');
title('kmeans 聚類演算法')
plot(ctrs(:,1),ctrs(:,2),'xb');
plot(ctrs(:,1),ctrs(:,2),'ob');
MATLAB2009A實現Kmeans例項
本人剛學習資料探勘沒有多久，資料探勘中要用不少聚類演算法。kmeans作為其中常用的一種演算法，聚類效果還行。下面是我做了幾個簡單的matlab實現kmeans的小例項 100 2列矩陣聚類成3類 matlab 如下 data rand 100,2 opts statset display fina...
Matlab實現k means聚類演算法
k means是聚類中的乙個十分經典的演算法，具體的思想可以參考andrew ng的講義 the k means clustering algorithm 這裡不再贅述。需要用到matlab中的核心函式kmeans，具體用法可以參考matlab命令 doc kmeans idx kmeans x,k...
kmeans聚類及Matlab實現
kmeans k均值聚類 是一種常用的聚類演算法，因其簡單且效能還算良好而受廣泛應用。kmeans聚類的中心思想是 確定k個類，計算模式特徵向量到每個聚類中心的 距離 將特徵向量歸併到距離最小的聚類中心所在的類中。把每一類的平均向量特徵的均值作為新的類心。最後，使得樣本與類均值的誤差平方和最小。步驟...