我是matlab新手，我想知道如何在MATLAB中执行k-means算法，并且我想知道如何在执行k均值时定义聚类中心。如何在MATLAB中执行k-means算法？
例如，假设我正在创建一个如下所示的数组。
m = [11.00; 10.60; 11.00; 12.00; 11.75; 11.55; 11.20; 12.10; 11.60; 11.40;...
11.10; 11.60; 11.00; 10.15; 9.55; 9.35; 8.55; 7.65; 7.80; 8.45; 8.05]
我想把上述值聚类为5簇，其中k = 5
我想利用聚类中心为2，5，10，20，40
所以我的问题是如何定义聚类中心并在MATLAB中执行k-means算法？ 是否有一个特定的参数来设置MATLAB kmeans()函数中的聚类中心？
请帮我解决上述问题。
k均值聚类的目标是找到k个聚类中心，以最小化所有点与其各自聚类中心的总距离。
有了这个目标，你会写
[clusterIndex, clusterCenters] = kmeans(m,5,'start',[2;5;10;20;40])
这会调整他们的起始位置聚类中心，直到被发现的最佳位置和分配。
如果你不是想在m固定聚类中心的点相关联，你不会用kmeans，但计算clusterIndex直接使用min
distanceToCenter = bsxfun(@minus,m,[2 5 10 20 40]);
[~, clusterIndex] = min(abs(distanceToCenter),[],2);
即。您计算每个点与每个中心之间的差异，并为每个点找出具有最小（绝对）距离的中心。
要绘制的结果，可以根据中心上线对齐点和它们上色：
nCenters = length(clusterCenters);
cmap = hsv(nCenters);
figure
hold on
for iCenter = 1:nCenters
plot(m(iCenter==clusterIndex),1,'.','color',cmap(iCenter,:));
plot(clusterCenters(iCenter),1,'*','color',cmap(iCenter,:));
end
你可以看到在我这里后一个经典的实现 - K-Means Algorithm with Arbitrary Distance Function Matlab (Chebyshev Distance)。
享受...
检查这个https://in.mathworks.com/help/stats/kmeans.html –