kmeans聚类算法python,包括两种聚类评估

K-means是一种常见的聚类算法，可以用Python实现。以下是一个示例代码：

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score, calinski_harabasz_score

# 读取数据
data = pd.read_csv('data.csv')

# 创建KMeans模型
kmeans = KMeans(n_clusters=3, random_state=0)

# 训练模型
kmeans.fit(data)

# 预测数据
labels = kmeans.predict(data)

# 聚类评估
silhouette_score = silhouette_score(data, labels)
calinski_harabasz_score = calinski_harabasz_score(data, labels)

print('Silhouette Score:', silhouette_score)
print('Calinski Harabasz Score:', calinski_harabasz_score)

其中，`n_clusters`参数指定聚类的数量，`random_state`参数指定随机数种子以便可重复性。聚类评估可以通过`silhouette_score`和`calinski_harabasz_score`函数进行计算，分别计算轮廓系数和Calinski-Harabasz指数。轮廓系数用于评估聚类的质量，值越接近1越好；Calinski-Harabasz指数用于评估聚类的分离度，值越大越好。