k-means聚类数量确定的python代码

以下是一个简单的 k-means 聚类数量确定的 Python 代码示例：

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

# 生成随机数据
X, y = make_blobs(n_samples=100, centers=4, random_state=42)

# 通过肘部法则确定聚类数量
inertias = []
for k in range(1, 10):
    kmeans = KMeans(n_clusters=k, random_state=42)
    kmeans.fit(X)
    inertias.append(kmeans.inertia_)

# 绘制肘部法则图像
import matplotlib.pyplot as plt
plt.plot(range(1, 10), inertias)
plt.title('Elbow Method')
plt.xlabel('Number of clusters')
plt.ylabel('Inertia')
plt.show()

这段代码生成了一个包含 100 个样本和 4 个中心的随机数据集，并使用肘部法则确定了最佳的聚类数量。