基于python实现kmeans聚类算法

K-means聚类算法是一种常用的无监督学习算法，可以用于将数据集划分为预先确定的K个簇。对于Python实现K-means聚类算法，可以使用scikit-learn（简称sklearn）库中的KMeans类。下面是一个示例代码：

from sklearn.cluster import KMeans
import numpy as np

# 准备输入数据
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# 初始化KMeans模型并进行聚类
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

# 获取每个点所属的簇
labels = kmeans.labels_
print("每个点所属的簇:", labels)

# 预测新的数据属于哪个簇
new_data = np.array([[0, 0], [12, 3]])
predictions = kmeans.predict(new_data)
print("预测结果:", predictions)

# 获取每个簇的中心点
centers = kmeans.cluster_centers_
print("每个簇的中心点:", centers)