机器学习kmeans聚类算法python实现

K-means是一种基于距离的无监督学习算法，用于数据集的分群或聚类。Python中可以使用sklearn库来实现K-means算法。以下是基本步骤：

1. 导入所需库：

from sklearn.cluster import KMeans
import numpy as np

2. 准备数据（这里假设有一个二维numpy数组`data`）：

data = np.array([[...], [...], ...]) # 用你的数据替换...

3. 初始化KMeans模型并设置所需的簇数（如k=3）：

kmeans = KMeans(n_clusters=k)

4. 训练模型：

kmeans.fit(data)

5. 获取聚类结果：

labels = kmeans.labels_
centroids = kmeans.cluster_centers_

6. 可视化结果（如果需要）：

import matplotlib.pyplot as plt
plt.scatter(data[:,0], data[:,1], c=labels)
plt.scatter(centroids[:,0], centroids[:,1], marker='x', s=300, linewidths=3, color='r')
plt.show()