kmeans聚类算法python实例，并可视化

好的，这是一个简单的kmeans聚类算法的Python实例，并可视化结果。

import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

# 生成数据集
X, y = make_blobs(n_samples=200, centers=4, random_state=42)

# 定义 kmeans 函数
def kmeans(X, k, max_iters=10):
    # 随机选择 k 个中心点
    centers = X[np.random.choice(range(len(X)), k, replace=False)]
    for _ in range(max_iters):
        # 计算每个点到中心点的距离
        distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))
        # 找到距离每个点最近的中心点
        labels = np.argmin(distances, axis=0)
        # 更新中心点的位置
        centers = np.array([X[labels == i].mean(axis=0) for i in range(k)])
    return labels, centers

# 聚类
labels, centers = kmeans(X, k=4)

# 可视化结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='*', s=200, c='r')
plt.show()

运行结果如下所示：