k-means算法代码以及注释

以下是Python实现的k-means算法代码，带有注释解释每个步骤的作用。

import numpy as np
from sklearn.cluster import KMeans

# 生成随机数据，3个簇，每个簇100个数据，每个数据2维
data = np.random.rand(300, 2)

# 设置k值为3，即分为3个簇
k = 3

# 调用KMeans函数进行聚类，fit_predict()方法返回聚类结果
model = KMeans(n_clusters=k)
result = model.fit_predict(data)

# 打印聚类结果
print(result)

k-means算法的关键步骤：

1. 随机初始化k个中心点（也可以使用其他方法选择初始中心点）；
2. 重复以下步骤直到收敛：
1. 将每个样本点分配到离它最近的中心点所在的簇；
2. 计算每个簇的平均值，将该簇的中心点更新为该平均值；
3. 返回k个簇的中心点以及每个样本点所属的簇。