本文共 392 字，大约阅读时间需要 1 分钟。

一：代码1

代码1展示了一个用于执行k-Means均值聚类算法的实现。代码首先加载聚类中心文件kmean.txt，设置聚类样本维数为2，聚类中心数目为4。随后，代码绘制原始数据点的图形，并初始化聚类中心矩阵CC。接着，代码计算每个样本与各个聚类中心的距离，选择最小距离对应的聚类中心进行分组。通过更新聚类中心的位置并计算每个聚类中心包含的样本数，直到聚类收敛。最终，代码绘制聚类结果图形并添加网格辅助线。

二：代码2

代码2实现了一个基于k-Means算法的聚类分析。代码首先加载数据文件kmean.txt，设置聚类数目为4。随后，代码随机初始化聚类中心的位置。接着，代码计算每个样本到各个聚类中心的距离，选择最近的聚类中心进行分组。通过不断更新聚类中心位置并计算每个聚类中心包含的样本数，直到聚类收敛。最终，代码绘制聚类结果图形，对每个聚类中心的样本点进行颜色标记并添加网格辅助线。