python实现kmeans++聚类分析

好的，下面是Python实现K-means++聚类分析的代码：

import numpy as np
from sklearn.cluster import KMeans

def kmeans_pp(X, k):
    # 初始化聚类中心
    centers = [X[np.random.choice(len(X), 1)][0]]
    for i in range(1, k):
        # 计算每个样本点距离当前聚类中心的最短距离
        distances = np.array([min([np.linalg.norm(x-c)**2 for c in centers]) for x in X])
        # 根据距离的权重挑选下一个聚类中心
        probs = distances / distances.sum()
        next_center = X[np.random.choice(len(X), 1, p=probs)][0]
        centers.append(next_center)
    # 进行K-means聚类
    kmeans = KMeans(n_clusters=k, init=np.array(centers), n_init=1).fit(X)
    return kmeans.labels_

其中，`X`为样本数据，`k`为聚类个数，返回的是每个样本所属的聚类类别。