MATLAB聚类分析(Cluster Analysis)

使用环境：MATLAB2016a、MATLAB2010a

聚类分析是一种无监督式学习，不像回归分析等需要Inputs 和 Targets ，聚类分析是只通过提供一组数据实现分类的算法。下面给出本人在学习聚类分析的MATLAB程序

x1=5*[randn(500,1)+5,randn(500,1)+5];
x2=5*[randn(500,1)+5,randn(500,1)-5];
x3=5*[randn(500,1)-5,randn(500,1)+5];
x4=5*[randn(500,1)-5,randn(500,1)-5];
x5=5*[randn(500,1),randn(500,1)];
all=[x1;x2;x3;x4;x5];  %生成2500*2的数组
plot(x1(:,1),x1(:,2),'r.');hold on
plot(x2(:,1),x2(:,2),'g.');...
plot(x3(:,1),x3(:,2),'k.');...
plot(x4(:,1),x4(:,2),'y.');...
plot(x5(:,1),x5(:,2),'b.');
IDX=kmeans(all,5); %这里用K-均值算法
for k=1:2500
    text(all(k,1),all(k,2),num2str(IDX(k)));
end
y=pdist(all);
z=linkage(y);
t=cluster(z,'cutoff',1.2);
for k=1:2500
    text(all(k,1),all(k,2),num2str(IDX(k)));
end

kemaes函数介绍可以查看帮助文档，这里就不贴出来了。

运行结果如下：

输出的结果不是很好看，可以自己美化一下代码的。由结果可以看出输入数据被分成了5份，即5簇。

根据这个思想可以设计一段学生成绩分类的程序，假设A,B,C,D,E五位同学的成绩如下：

A=[78    85    89    74    78    84    83];
B=[85    79    88    71    80    83    77];
C=[97    91    89    96    86    90    85];
D=[90    91    94    89    94    90    86];
E=[78    81    80    83    76    78    88];

all=[A;B;C;D;E];
IDX=kmeans(all,2)  % 在这里分成两类

得出的结果是：
idx =
     2
     2
     1
     1
     2
 
 在这里可以看到已经分成两类了，成绩较好的的IDX为1，稍逊的是2，

这是一个最简单的聚类应用

如果想用matlab作为个人学习使用，可以微信扫描下面公众号二维码，关注“向芽塔”，后台回复
“MATLAB”，就可以获取丰富的资源啦（支持WIN,MAC,Linux三大系统）

今天的文章MATLAB聚类分析(Cluster Analysis)分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。