用Kmeans算法编写一段代码将相似度以图的方式显示

好的，下面是使用Kmeans算法将相似度以图的方式显示的Python代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# 生成随机数据
X = np.random.rand(100, 2)

# 计算相似度
similarity = np.zeros((100, 100))
for i in range(100):
    for j in range(i+1, 100):
        dist = np.linalg.norm(X[i]-X[j])
        similarity[i, j] = dist
        similarity[j, i] = dist

# 使用Kmeans算法进行聚类
kmeans = KMeans(n_clusters=5, random_state=0).fit(similarity)

# 将聚类结果以图的方式显示
plt.figure(figsize=(8, 6))
plt.scatter(X[:,0], X[:,1], c=kmeans.labels_, cmap='rainbow')
plt.title('Similarity Clustering with Kmeans')
plt.show()

这段代码首先生成了100个二维随机数据，然后计算了它们之间的相似度。接着，使用Kmeans算法对相似度进行聚类，将聚类结果以图的方式显示。在这个例子中，我们将相似度聚成了5类。