matlab中kmeans简单使用

本文详细介绍了如何使用K-means算法进行数据聚类。通过一个具体的例子解释了输入参数的意义,包括数据集、类别数量、距离度量方式及重复次数。此外还解释了输出结果的含义,如聚类标签、质心位置、总距离和等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

[Idx,C,sumD,D]=Kmeans(data,3,’dist’,’sqEuclidean’,’rep’,4)


等号右边:

kmeans:K-均值聚类 

data是你自己的输入数据

3 是你要聚成3类

dist sqEuclidean 这2个参数,表示距离函数为欧式距离。什么是欧式距离自己百度

’rep’,4 聚类重复次数4次。因为要反复算直到选出最好的结果,至多反复算4次


等号左边:

Idx 是你聚类的标号

C 是聚类之后质心的位置

sumD是所有点到质心的距离之和

D是每个点与所有质心的距离


比如下面这幅图中,输入数据data就是所有的小点,K-均值聚类输出的结果就是所有的数据被聚为了3类,聚类的标号就是红绿蓝三种颜色,每一类有一个自己的质心(大的点)。


评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值