python实现k-平均算法例题

下面是一个简单的 Python 实现 k-均值算法的例子：

import numpy as np
import matplotlib.pyplot as plt

def kmeans(X, k, max_iterations=50):
    """
    X: 数据集，每行为一个样本
    k: 聚类数目
    max_iterations: 最大迭代次数
    """
    # 随机选择 k 个样本作为初始聚类中心
    centers = X[np.random.choice(len(X), k, replace=False)]
    for i in range(max_iterations):
        # 计算每个样本到聚类中心的距离
        distances = np.linalg.norm(X[:, np.newaxis, :] - centers, axis=2)
        # 分配聚类
        clusters = np.argmin(distances, axis=1)
        # 更新聚类中心
        new_centers = np.array([X[clusters == j].mean(axis=0) for j in range(k)])
        # 如果聚类中心不再发生变化，则停止迭代
        if np.all(centers == new_centers):
            break
        centers = new_centers
    return clusters, centers

# 生成样本数据
np.random.seed(0)
X1 = np.random.randn(100, 2)
X2 = np.random.randn(100, 2) + np.array([5, 5])
X3 = np.random.randn(100, 2) + np.array([5, -5])
X = np.vstack([X1, X2, X3])

# 调用 k-means 函数
clusters, centers = kmeans(X, 3)

# 绘制聚类结果
plt.scatter(X[:, 0], X[:, 1], c=clusters, cmap="viridis")
plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.5)
plt.show()

结果如下图所示：