kmeans聚类算法代码jupyter

K-means是一种常用的无监督机器学习算法，用于数据集的分群。下面是一个简单的Python KMeans聚类算法的Jupyter Notebook代码示例：

# 导入必要的库
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 假设我们有一个二维数据集
X = np.random.rand(100, 2)  # 生成随机数据点

# 初始化KMeans模型
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(X)

# 预测数据点所属的簇
labels = kmeans.labels_

# 绘制原始数据点和聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='red', label='Centroids')
plt.title('K-means Clustering')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.legend()
plt.show()

#