MATLAB（15）分类模型

一、前言

       在MATLAB中，实现不同类型的聚类（如K-means聚类、层次聚类、模糊聚类）和分类（如神经网络分类）需要用到不同的函数和工具箱。下面我将为每种方法提供一个基本的示例代码。

二、实现

1. K-means聚类

% 假设X是数据矩阵，每行是一个样本，每列是一个特征  
X = [randn(100,2)*0.75+ones(100,2);  
     randn(100,2)*0.5-ones(100,2)];  
  
% 指定聚类中心的数量  
k = 2;  
  
% 执行K-means聚类  
[idx, C] = kmeans(X, k);  
  
% 绘制结果  
figure;  
gscatter(X(:,1), X(:,2), idx, 'rb', 'xo');  
hold on;  
plot(C(:,1), C(:,2), 'kx', 'MarkerSize', 15, 'LineWidth', 3);  
title('K-means Clustering Results');  
legend('Cluster 1', 'Cluster 2', 'Centroids', 'Location', 'best');

2. 层次聚类（使用linkage和dendrogram）

% 使用相同的X数据  
Z = linkage(X, 'ward'); % 使用Ward方法  
  
% 绘制树状图