写一段K-mean的代码

好的，以下是一个简单的K-means的Python代码示例：

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):
            # 计算每个样本到质心的距离
            distances = np.sqrt(((X - self.centroids[:, np.newaxis])**2).sum(axis=2))
            
            # 将每个样本归类到最近的质心
            labels = distances.argmin(axis=0)
            
            # 更新每个簇的质心
            for j in range(self.k):
                self.centroids[j] = X[labels == j].mean(axis=0)
                
    def predict(self, X):
        distances = np.sqrt(((X - self.centroids[:, np.newaxis])**2).sum(axis=2))
        return distances.argmin(axis=0)

在这个示例中，`fit`函数接收一个样本矩阵`X`，通过随机选择`k`个质心，不断迭代优化每个簇的质心，将每个样本归类到最近的质心，并返回样本的标签。`predict`函数接收一个测试样本矩阵`X`，并返回每个样本的标签。