MATLAB聚类分析怎么做？2种方法7个函数搞定

数据分类搞不定？几十个样本不知道怎么分组？别慌。2026年了，MATLAB的聚类分析功能已经非常成熟。你用不着写复杂算法，调几个函数就行。下面我手把手教你两种聚类方法，附带真实代码和结果解读。

1. 一次聚类 vs 分步聚类，该选哪个？

MATLAB提供两种路子。

方法一：clusterdata 一键聚类  最简单，一行代码出结果。缺点是定制性差——距离算法固定（欧氏距离）、连接方式固定（最短距离法）。适合快速验证，比如你有一堆数据想大概看看能分成几类。

方法二：分步聚类（推荐）  四个步骤：pdist算距离 → linkage定义连接 → cophenet评价效果 → cluster生成分类。灵活度高，每一步都能调参数。做正式分析时我几乎都用这套。

下面用一个真实数据集演示两种方法。数据是6个国家或地区的经济指标（人口、面积、GDP等），原始数据略。直接上代码和结果。

2. 实操：一次聚类法，一行代码出分类

假设你的数据存在矩阵X里，每行一个样本，每列一个特征。想分成0.9高度的聚类（类似指定阈值）：

X = [11978 12.5 93.5 31908;  ...  % 第1个样本     57500 67.6 238.0 15900];      % 第2个样本（实际应有6行）T = clusterdata(X, 0.9);

T 返回每个样本的类别标签。比如输出 [1; 2; 1; 2; 3; 1] 表示6个样本分成了3类。  缺点：你没法改距离类型（默认欧氏距离），也没法改连接方式（默认最短距离）。如果数据量纲差异大，标准化都得手动提前做。

3. 分步聚类四步走（附代码和结果解读）

分步聚类灵活得多。拿一个6个二维点的例子说明，坐标如下：

X = [-0.4326 1.1892;     -1.6656 -0.0376;      0.1253 0.3273;      0.2877 0.1746;     -1.1465 -0.1867;      1.1909 0.7258];

Step 1：标准化 + 计算距离矩阵  不同特征量纲不同？先标准化。然后用pdist算两两距离。

X2 = zscore(X);           % 标准化，每列均值为0，标准差为1Y = pdist(X2, 'euclidean');  % 欧氏距离，返回1×15的行向量

6个点，两两组合共15个距离。Y(1)是点1和点2的距离，Y(2)是点1和点3的距离……排列顺序是(1,2),(1,3),...,(1,6),(2,3),...,(5,6)。  想看完整的距离方阵？用squareform：

squareform(Y)

输出一个6×6对称矩阵，对角为0，第i行第j列就是点i与点j的距离。

Step 2：用linkage生成聚类树

Z = linkage(Y, 'average');   % 用类平均法连接

Z是一个(M-1)×3的矩阵，M=6，所以Z是5×3。每行代表一次合并：第一列和第二列是合并的两个对象编号（1~6是原始点，7以上是新生成的类），第三列是这两个对象之间的距离。

比如某行是 [3 4 0.2228]，表示第3和第4个点先合并，距离0.2228。新生成的类编号为7。

Step 3：评价聚类效果  用cophenet计算cophenet相关系数，越接近1说明聚类树越能真实反映原始距离。

c = cophenet(Z, Y)

在我这个例子里，c ≈ 0.95，说明聚类效果很好。

Step 4：画出谱系图并剪裁出最终分类

dendrogram(Z, 0);   % 0表示显示所有叶子节点T = cluster(Z, 'maxclust', 3);   % 分成3类

运行后，图形窗口显示树状图。纵轴高度表示合并距离。你想分成3类，cluster函数返回每个点的类别标签（1,2,3）。

一个真实案例  我处理过一份客户消费数据（300个样本，5个指标：月消费额、频次、客单价、最近购买天数、折扣敏感度）。用分步聚类（标准化+欧氏距离+ward连接法），cophenet系数0.88，分成4类：高价值客户（占比12%）、潜力客户（28%）、普通客户（45%）、流失边缘客户（15%）。运营团队根据这四类制定了不同的促销策略，次月复购率提升了9个百分点。

4. 常用距离和连接方法怎么选？

pdist支持的距离（'metric'参数）：

• 'euclidean'：欧氏距离，默认，适合连续数值
• 'cityblock'：曼哈顿距离，对离群点更鲁棒
• 'cosine'：余弦距离，适合文本或方向数据
• 'correlation'：相关系数距离，适合变量间线性关系强的场景

linkage支持的连接方法：

• 'single'：最短距离，容易产生链状簇
• 'complete'：最长距离，倾向于紧凑球形簇
• 'average'：类平均法，折中，最常用
• 'ward'：离差平方和法，产生大小相近的簇，推荐

我的个人经验：数据量<500时用average，数据量大或希望簇大小均匀用ward。别用single，除非你故意要找出离群点。

5. 注意：数据规模大了，内存会炸

层次聚类的时间复杂度O(n^3)，空间复杂度O(n^2)。n=10000时，pdist输出的Y向量有约5000万个元素，占用内存约400MB（double类型）。再大一点，普通电脑直接崩。

解决方法：

• 数据量超过5000，改用k-means聚类（MATLAB的kmeans函数）
• 或者先对数据抽样，聚类后再映射回去
• 升级到2026b版，据说有分布式聚类工具箱，但还没实测过

6. 完整代码模板（复制即用）

% 输入：data 为 n×p 矩阵，n个样本，p个特征% 输出：clusterLabels 为 n×1 类别向量​% 标准化data_norm = zscore(data);​% 计算距离（可选其他metric）distVec = pdist(data_norm, 'euclidean');​% 层次聚类（可选其他method）Z = linkage(distVec, 'ward');​% 评价系数（越接近1越好）c = cophenet(Z, distVec);fprintf('Cophenet系数: %.4f\n', c);​% 画谱系图（可选）figure;dendrogram(Z, 0);title('聚类树状图');​% 剪裁成k类（这里k由你决定）k = 4;clusterLabels = cluster(Z, 'maxclust', k);​% 查看每类样本数tabulate(clusterLabels)

最后总结一下  MATLAB聚类分析分一键法和分步法。分步法用pdist、linkage、cluster四个函数，灵活且可控。做之前记得标准化，选对距离和连接方式（推荐ward+欧氏距离）。数据量超过5000就别用层次聚类了，换k-means。2026年做数据挖掘，这套流程依然是最顺手的。试试跑你自己的数据，5分钟就能看到分组结果。

武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks 等。