用K均值算法编程一套算法

K均值算法是一种聚类算法，可以将数据按相似度分类。下面是使用Python实现K均值算法的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
def create_data(num):
    data = []
    for i in range(num):
        x = np.random.randint(0, 100)
        y = np.random.randint(0, 100)
        data.append([x, y])
    return np.array(data)
# 计算两点之间的距离
def distance(p1, p2):
    return np.sqrt(np.sum(np.square(p1 - p2)))

# K均值算法
def k_means(data, k):
    # 随机选择k个点作为初始聚类中心
    centers = data[np.random.choice(len(data), k, replace=False)]
    while True:
        # 初始化聚类结果
        clusters = [[] for _ in range(k)]
        # 将每个点分配到最近的聚类中心
        for point in data:
            distances = [distance(point, center) for center in centers]
            cluster = np.argmin(distances)
            clusters[cluster].append(point)
        # 计算新的聚类中心
        new_centers = []
        for cluster in clusters:
            if len(cluster) == 0:
                new_centers.append(np.random.randint(0, 100, size=2))
            else:
                new_centers.append(np.mean(cluster, axis=0))
        # 判断聚类中心是否变化
        if np.allclose(centers, new_centers):
            break
        centers = new_centers
    return centers, clusters

# 测试
data = create_data(100)
centers, clusters = k_means(data, 3)
colors = ['r', 'g', 'b']
for i, cluster in enumerate(clusters):
    for point in cluster:
        plt.scatter(point[0], point[1], c=colors[i])
for center in centers:
    plt.scatter(center[0], center[1], c='k', marker='x')
plt.show()

该代码生成100个随机数据点，然后使用K均值算法将其分为3类，并在图中用不同颜色表示不同的类别。可以根据需要修改数据生成方式和聚类数目。