我有一个矩阵 A = (a1,a2,a3,...,an)'，其中 a1, a2,..., an 是行向量。我想对矩阵 A 应用 k-means 算法，以便将行向量 ai (i=1,2,3...,n) 聚类到 k 个或更多的簇中。假设 b1, b2, b3,...,bk 是 k 个簇的中心，从 k 个样本中随机选择作为 k 个簇的初始中心。所有样本 (a1,a2,a3,...,an) 根据它们到中心 bi (i=1,2,3,...,k) 的余弦距离被分类到 k 个类别，即 k 个簇中。重新计算 k 个簇的中心，重新分类所有样本，直到中心不再变化，然后获得最终的中心 b1,b2,b3,...,bk。对于每个簇，只保留最接近簇中心的向量。如何实现这一点？

回答：

kmeans 函数（在统计和机器学习工具箱中）正好执行这个操作。只需使用：

C = kmeans(A, k, 'Distance', 'cosine')

即可获得所需的输出。

祝好，