kmeans聚类算法python实现实例

K-means聚类算法是一种常用的无监督机器学习方法，用于将数据集划分为多个相互独立的类别或“簇”。Python中使用sklearn库提供了方便的实现。以下是一个简单的K-means聚类算法的Python实例：

# 导入必要的库
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt

# 假设我们有一个二维数据集
data = [[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]]

# 将数据转换为numpy数组并创建KMeans对象
data = np.array(data)
kmeans = KMeans(n_clusters=2)  # 假设我们要分两组

# 拟合数据
kmeans.fit(data)

# 预测每个点属于哪个簇
labels = kmeans.labels_

# 获取每个簇的质心（中心点）
centroids = kmeans.cluster_centers_

# 绘制结果
plt.scatter(data[:, 0], data[:, 1], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], s=300, c='red')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('K-means Clustering Results')
plt.show()