说明：如果是要用matlab做kmeans聚类分析，直接使用函数kmeans即可。使用方法:kmeans(输入矩阵，分类个数k)。

?

转载一：

MATLAB提供了两种方法进行聚类分析：

1、利用?clusterdata?函数对数据样本进行一次聚类，这个方法简洁方便，其特点是使用范围较窄，不能由用户根据自身需要来设定参数，更改距离计算方法；

2、分步聚类：（?1）用?pdist函数计算变量之间的距离，找到数据集合中两辆变量之间的相似性和非相似性；（2）用?linkage函数定义变量之间的连接；（?3）用?cophenetic函数评价聚类信息；（?4）用?cluster函数进行聚类。

下边详细介绍两种方法:

1、一次聚类

Clusterdata函数可以视为?pdist、?linkage与?cluster的综合，一般比较简单。

【?clusterdata函数：

调用格式：?T=clusterdata(X,cutoff)?????

???????????????????? ?等价于Y=pdist(X,’euclid’); Z=linkage(Y,’single’); T=cluster(Z,cutoff)??】

2、分步聚类

（?1）求出变量之间的相似性

用?pdist函数计算出相似矩阵，有多种方法可以求距离，若此前数据还未无量纲化，则可用?zscore函数对其标准化

【?pdist函数：?调用格式：?Y=pdist(X,’metric’)

?说明：?X是?M*N矩阵，为由?M个样本组成，每个样本有?N个字段的数据集

????????metirc取值为：’?euclidean’：欧氏距离（默认）?‘seuclidean’：标准化欧氏距离;?‘mahalanobis’：马氏距离…?】

pdist生成一个?M*(M-1)/2个元素的行向量，分别表示?M