matlab-kmeans函数注释
X = [randn(100,2)+ones(100,2);...
randn(100,2)-ones(100,2)]; 产生100个样本点，行指向每个样本，列是维变量值。
opts = statset('Display','final');
[idx,ctrs] = kmeans(X,2,'Distance','city','Replicates',5,'Options',opts); %返回参数意义：[IDX,C,sumd,D]=kmeans() IDX:每个样本点所在的类别
C：所聚类别的中心点坐标位置k*p，k是所聚类别 sumd:每个类内各点到中心点的距离之和 D：每个点到各类中心点的距离n*k
Matlab聚类分析中kmeans函数运行结果，请教为什么？ k=5;
[IDX,C,sumd,D] =kmeans(SCORE(:,1:3),k);
我想把主成份分析后的结果SCORE（：，1：3），大小为89*3，聚成5类，我的理解的运行结果应该是： IDX是1~5的整数，表示归到了那一类； C是每一类的质心位置，大小是5*3；
sumd是每一类中各点到质心的距离和，大小是1*5； D是每个点到质心的位置，大小是89*1
Examples
The following creates two clusters from separated random data: X = [randn(100,2)+ones(100,2);... randn(100,2)-ones(100,2)]; opts = statset('Display','final');
[idx,ctrs] = kmeans(X,2,...
'Distance','city',... 'Replicates',5,... 'Options',opts); 5 iterations, total sum of distances = 284.671 4 iterations, total sum of distances = 284.671 4 iterations, total sum of distances = 284.671 3 iterations, total sum of distances = 284.671 3 iterations, total sum of distances = 284.671
plot(X(idx==1,1),X(idx==1,2),'r.','MarkerSize',12) hold on
plot(X(idx==2,1),X(idx==2,2),'b.','MarkerSize',12) plot(ctrs(:,1),ctrs(:,2),'kx',...
'MarkerSize',12,'LineWidth',2) plot(ctrs(:,1),ctrs(:,2),'ko',...
'MarkerSize',12,'LineWidth',2)
legend('Cluster 1','Cluster 2','Centroids',... 'Location','NW')