k-means算法手写数字识别python代码

以下是一个简单的k-means算法手写数字识别python代码：

import numpy as np
from sklearn.cluster import KMeans
from sklearn.datasets import load_digits
from sklearn.metrics import accuracy_score

# 加载手写数字数据
digits = load_digits()
X = digits.data
y = digits.target

# 将数据分为训练集和测试集
split = int(X.shape[0] * 0.8)
X_train, y_train = X[:split], y[:split]
X_test, y_test = X[split:], y[split:]

# 使用k-means算法进行聚类
kmeans = KMeans(n_clusters=10, random_state=0)
kmeans.fit(X_train)

# 将每个聚类簇的中心点作为该数字的代表
representatives = kmeans.cluster_centers_

# 使用测试集进行预测
y_pred = []
for x in X_test:
    distances = np.linalg.norm(representatives - x, axis=1)
    index = np.argmin(distances)
    y_pred.append(index)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

该代码首先加载手写数字数据并将其分为训练集和测试集。然后使用k-means算法进行聚类，并将每个聚类簇的中心点作为该数字的代表。最后使用测试集进行预测并计算准确率。