MATLAB聚类及给无标签数据加标签

聚类是一种无监督学习方法，用于将数据集划分为几个不同的组或簇，使得同一组中的数据项具有相似性，而不同组之间的数据项具有差异性。MATLAB是一种广泛使用的编程语言和开发环境，可用于实现各种机器学习算法，包括聚类算法。

在MATLAB中，可以使用kmeans函数进行聚类。kmeans函数的基本语法如下：

matlab

[cluster_idx, cluster_center] = kmeans(data, k)

其中，data是输入数据，k是要划分的簇的数量。该函数返回两个输出：cluster_idx是一个n×1的向量，表示每个数据点的簇标签；cluster_center是一个k×p的矩阵，表示每个簇的中心点。

下面是一个简单的示例代码，演示如何在MATLAB中使用kmeans函数进行聚类，并为每行数据添加标签：

matlab
% 读取数据  
data = rand(84, 8); % 示例数据，您需要替换为您自己的数据  
  
% 聚类数据  
[cluster_idx, cluster_center] = kmeans(data, 2);  
  
% 显示聚类结果  
figure;  
gscatter(data(:,1), data(:,2), cluster_idx);  
hold on;  
plot(cluster_center(:,1), cluster_center(:,2), 'kx'); % 聚类中心点  
hold off;  
  
% 为每一行数据添加标签  
labels = arrayfun(@(x) num2str(x), cluster_idx, 'UniformOutput', false);  
labels = cell2mat(labels');

在上面的代码中，首先读取了一个84x8的随机数据集。然后使用kmeans函数进行聚类，将数据集划分为两个簇。接着使用gscatter函数显示聚类结果，并使用plot函数绘制聚类中心点。最后使用arrayfun和num2str函数为每一行数据添加标签。