k均值算法挑西瓜的代码

以下是使用k均值算法挑选西瓜的代码示例（假设有10个西瓜，每个西瓜有3个属性）：

import numpy as np
import random

# 定义k均值函数
def k_means(data, k, max_iter):
    # 随机初始化k个质心
    centroids = [data[i] for i in random.sample(range(len(data)), k)]
    
    # 迭代max_iter次
    for iter in range(max_iter):
        # 初始化k个簇
        clusters = [[] for i in range(k)]
        
        # 将每个样本点分配到距离最近的质心所在的簇
        for sample in data:
            distances = [np.linalg.norm(sample - centroid) for centroid in centroids]
            cluster_index = np.argmin(distances)
            clusters[cluster_index].append(sample)
        
        # 计算新的质心
        new_centroids = [np.mean(cluster, axis=0) for cluster in clusters]
        
        # 如果新的质心与旧的质心相同，则认为已经收敛，退出迭代
        if np.allclose(new_centroids, centroids):
            break
        
        centroids = new_centroids
    
    # 返回最终的簇和质心
    return clusters, centroids

# 生成随机数据
data = np.random.rand(10, 3)

# 调用k均值函数，k=2，迭代次数为10次
clusters, centroids = k_means(data, 2, 10)

# 打印结果
print('簇1：', clusters[0])
print('簇2：', clusters[1])
print('质心1：', centroids[0])
print('质心2：', centroids[1])

以上代码仅为示例，具体应用需要根据实际情况进行调整。