K-Means聚类算法

1. 概述

   K-Means聚类算法也叫K-均值聚类算法
   简单来说，可以利用它来进行分类。
   怎么分类呢？
   你知道你有的这些样本的坐标之后，距离相近的点就会分为一类，如果你知道有三类，那他会根据坐标之间的距离划分为三类。

2. 定义
   k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。

3. 原理
   

4. 代码
   以下是使用MATLAB实现k-means聚类算法并绘制聚类结果的代码示例：
   function kmeans_plot(X, k)
   % 初始化聚类中心
   m = size(X, 1); % 数据点的数量
   centroids = X(randperm(m, k), 😃;
   previous_centroids = centroids;

   % 迭代聚类
   converged = false;
   while ~converged
   % 为每个数据点分配到最近的聚类中心
   distances = sqdist(X, centroids);
   [~, cluster_idx] = min(distances, [], 2);

   % 更新聚类中心的位置
   for j = 1:k
       centroids(j