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个样本两两间的距离。这样可以缩小保存空间，不过，对于读者来说却是不好操作，因此，若想简单直观的表示，可以用 squareform函数将其转化为方阵，其中 x(i,j)表示第 i个样本与第 j个样本之的距离，对角线均为 0.

（ 2）用 linkage函数来产生聚类树

【 linkage函数： 调用格式： Z=linkage(Y,’method’)

说明： Y为 pdist函数返回的 M*(M-1)/2个元素的行向量，

method可取值： ‘single’：最短距离法（默认）； ’complete’：最长距离法；

‘average’：未加权平均距离法； ’weighted’:加权平均法

‘centroid’： 质心距离法；       ‘median’：加权质心距离法；

‘ward’：内平方距离法（最小方差算法） 】

返回的 Z为一个 (M-1)*3的矩阵，其中前两列为索引标识，表示哪两个序号的样本可以聚为同一类，第三列为这两个样本之间的距离。另外，除了 M个样本以外，对于每次新产生的类，依次用 M+1、 M+2、 …来标识。

为了表示 Z矩阵，我们可以用更直观的聚类数来展示， 方法为： dendrogram(Z), 产生的聚类数是一个 n型树，最下边表示样本，然后一级一级往上聚类，最终成为最顶端的一类。纵轴高度代表距离列。

另外，还可以设置聚类数最下端的样本数，默认为 30，可以根据修改 dendrogram(Z,n)参数 n来实现， 1<n<M。 dendrogram(Z,0)则表 n=M的情况，显示所有叶节点。

（ 3）用 cophenetic函数评价聚类信息

【 cophenet函数:   调用格式： c=cophenetic(Z,Y)

说明：利用 pdist函数生成的 Y和 linkage函数生成的 Z计算 cophenet相关系数。】

cophene检验一定算法下产生的二叉聚类树和实际情况的相符程度 ,就是检测二叉聚类树中各元素间的距离和 pdist计算产生的实际的距离之间有多大的相关性，另外也可以用 inconsistent表示量化某个层次的聚类上的节点间的差异性。

（ 4）最后，用 cluster进行聚类，返回聚类列。

转载二：

Matlab 提供了两种方法进行聚类分析。

一种是利用 clusterdata 函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法；

另一种是分步聚类：（1 ）找到数据集合中变量两两之间的相似性和非相似性，用pdist 函数计算变量之间的距离；（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 函数创建聚类。

1 ．Matlab 中相关函数介绍

1.1  pdist 函数

调用格式：Y=pdist(X,’metric’)

说明：用 ‘metric’ 指定的方法计算 X 数据矩阵中对象之间的距离。’

X ：一个m ×n 的矩阵，它是由m 个对象组成的数据集，每个对象的大小为n 。

metric’ 取值如下：

‘euclidean’ ：欧氏距离（默认）；‘seuclidean’ ：标准化欧氏距离；

‘mahalanobis’ ：马氏距离；‘cityblock’ ：布洛克距离；

‘minkowski’ ：明可夫斯基距离；‘cosine’ ：

‘correlation’ ：                ‘hamming’ ：

‘jaccard’ ：                   ‘chebychev’ ：Chebychev 距离。

1.2  squareform 函数

调用格式：Z=squareform(Y,..)

说明：  强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。

1.3  linkage 函数

调用格式：Z=linkage(Y,’method’)

说    明：用‘method ’参数指定的算法计算系统聚类树。

Y ：pdist 函数返回的距离向量；

method ：可取值如下：

‘single’ ：最短距离法（默认）；  ‘complete’ ：最长距离法；

‘average ’：未加权平均距离法；  ‘weighted ’： 加权平均法；

‘centroid’ ：质心距离法；      ‘median’ ：加权质心距离法；

‘ward’ ：内平方距离法（最小方差算法）

返回：Z 为一个包含聚类树信息的（m-1 ）×3 的矩阵。

1.4  dendrogram 函数

调用格式：[H ，T ，…]=dendrogram(Z,p ，…)

说明：生成只有顶部p 个节点的冰柱图（谱系图）。

1.5  cophenet 函数

调用格式：c=cophenetic(Z,Y)

说明：利用pdist 函数生成的Y 和linkage 函数生成的Z 计算cophenet 相关系数。

1.6  cluster 函数

调用格式：T=cluster(Z,…)

说明：根据linkage 函数的输出Z 创建分类。

1.7  clusterdata 函数

调用格式：T=clusterdata(X,…)

说明：根据数据创建分类。

T=clusterdata(X,cutoff) 与下面的一组命令等价：

Y=pdist(X,’euclid’);

Z=linkage(Y,’single’);

T=cluster(Z,cutoff);

2. Matlab 程序

2.1 一次聚类法

X=[11978 12.5 93.5 31908;…;57500 67.6 238.0 15900];

T=clusterdata(X,0.9)

2.2  分步聚类

Step1  寻找变量之间的相似性

用pdist 函数计算相似矩阵，有多种方法可以计算距离，进行计算之前最好先将数据用zscore 函数进行标准化。

X2=zscore(X);  % 标准化数据

Y2=pdist(X2);  % 计算距离

Step2    定义变量之间的连接

Z2=linkage(Y2);

Step3  评价聚类信息

C2=cophenet(Z2,Y2);       //0.94698

Step4 创建聚类，并作出谱系图

T=cluster(Z2,6);

H=dendrogram(Z2);

分类结果：{ 加拿大} ，{ 中国，美国，澳大利亚} ，{ 日本，印尼} ，{ 巴西} ，{ 前苏联}