kmeans算法Python实现

好的，下面是kmeans算法Python实现的代码：

import numpy as np

class KMeans:
    def __init__(self, k=3, max_iter=100):
        self.k = k
        self.max_iter = max_iter
        
    def fit(self, X):
        self.centroids = X[np.random.choice(X.shape[0], self.k, replace=False)]
        
        for i in range(self.max_iter):
            clusters = [[] for _ in range(self.k)]
            
            for x in X:
                distances = [np.linalg.norm(x - c) for c in self.centroids]
                clusters[np.argmin(distances)].append(x)
                
            prev_centroids = self.centroids.copy()
            
            for j, cluster in enumerate(clusters):
                if len(cluster) > 0:
                    self.centroids[j] = np.mean(cluster, axis=0)
            
            if np.allclose(self.centroids, prev_centroids):
                break
                
    def predict(self, X):
        distances = np.array([np.linalg.norm(X - c, axis=1) for c in self.centroids])
        return np.argmin(distances, axis=0)

其中，`fit`方法用于训练模型，输入`X`为训练数据，随机初始化`k`个中心点，使用欧几里得距离将样本点分配到最近的中心点所在的簇中，并重新计算每个簇的中心点。重复执行以上步骤，直到中心点不再变化或者达到最大迭代次数。`predict`方法用于预测新的数据点所属的簇。