MATLAB实现K-means聚类算法及评价指标详解

1. K-means算法实现与评价指标全解析

在数据分析和机器学习领域，聚类算法是最基础也最常用的技术之一。今天我要分享的是一个基于MATLAB的K-means算法完整实现，不仅包含核心聚类功能，还集成了多种评价指标计算和可视化模块。这个实现特别适合需要快速验证聚类效果的研究人员和工程师使用。

1.1 为什么选择K-means算法

K-means算法因其简单高效而广受欢迎，特别适合处理数值型数据的聚类问题。它的核心思想是通过迭代优化，将数据点分配到K个簇中，使得每个数据点到其所属簇中心的距离平方和最小。在实际应用中，我经常用它来做客户分群、图像分割等任务。

这个MATLAB实现有几个亮点：

• 完整实现了K-means算法核心逻辑
• 集成了三种常用的聚类评价指标
• 提供了直观的可视化功能
• 代码结构清晰，易于扩展

2. 代码结构与核心实现

2.1 数据生成与预处理

matlab复制%% 数据生成与预处理
rng(42); % 固定随机种子
data = [mvnrnd([1,2], eye(2), 100); 
        mvnrnd([5,6], eye(2), 100); 
        mvnrnd([9,4], eye(2), 100)]; % 生成3类数据

% 数据标准化
data = zscore(data);

这段代码首先生成了三组二维高斯分布的数据，每组100个样本点，分别以(1,2)、(5,6)和(9,4)为中心。使用rng(42)固定随机种子可以确保每次运行结果一致，这在算法调试阶段非常有用。

数据标准化是聚类分析中不可忽视的一步。这里使用zscore函数将数据标准化为均值为0、标准差为1的分布。这一步很重要，因为：

1. K-means算法对特征的尺度敏感
2. 不同量纲的特征会影响距离计算
3. 标准化后各特征对聚类结果的贡献更加均衡

提示：在实际项目中，如果数据包含异常值，建议先进行异常值处理再进行标准化，否则异常值会影响标准化结果。

2.2 K-means核心算法实现

matlab复制function [idx, centroids, sse] = run_kmeans(data, k, numRuns, distance)
    [n, ~] = size(data);
    bestSSE = inf;
    bestIdx = [];
    bestC = [];
    
    for run = 1:numRuns
        % 初始化质心
        centroids = data(randperm(n,k), :);
        
        % 迭代优化
        prevC = centroids;
        for iter = 1:100
            % 分配样本
            distances = pdist2(data, centroids, distance);
            [~, idx] = min(distances, [], 2);
            
            % 更新质心
            for i = 1:k
                centroids(i,:) = mean(data(idx==i,:), 1);
            end
            
            % 收敛判断
            if norm(centroids - prevC) < 1e-5
                break;
            end
            prevC = centroids;