'''生成随机的样本点''' X = torch.randn(2000) * 100 y = torch.randn(2000) * 100 C = torch.zeros(2000) #点的类别归属 '''设置k-means的类别数''' K = 4 CentPoint = [] for i in range(K): CentPoint.append([torch.randint(-100, 100, (1,)).item(), torch.randint(-100, 100, (1,)).item()])

这段代码是用来生成随机的样本点，并为这些样本点设置类别。具体来说，代码中首先定义了两个随机张量 X 和 y，它们的大小均为 2000，每个元素都是从标准正态分布中随机采样得到的，并且乘以了 100，所以它们的取值范围在 -10000 到 10000 之间。然后定义了一个大小为 2000 的全零张量 C，用来表示每个点的类别归属，接着设置了 k-means 的类别数 K，这里设置为 4。最后，使用 for 循环生成了 K 个初始聚类中心点 CentPoint，每个点的坐标都是在 [-100, 100] 范围内随机生成的。