机器学习聚类算法实验

以下是一个简单的机器学习聚类算法实验，使用Python中的scikit-learn库进行实现：

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

# 生成随机数据
X, y = make_blobs(n_samples=300, centers=4, random_state=0, cluster_std=0.60)

# 使用KMeans算法进行聚类
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.show()

上述代码中，我们首先使用`make_blobs`函数生成了一个包含300个数据点的随机数据集，其中包含4个簇。然后，我们使用KMeans算法对这些数据进行聚类，并使用`scatter`函数将聚类结果可视化出来。