使用sklearn库实现k-means算法

使用sklearn库实现k-means算法非常简单。下面是一个示例代码：

from sklearn.cluster import KMeans
import numpy as np

# 创建数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建KMeans对象并指定聚类数目
kmeans = KMeans(n_clusters=2)

# 进行聚类
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_
centroids = kmeans.cluster_centers_

# 打印聚类结果
print("聚类结果：")
for i in range(len(X)):
    print("数据点", X[i], "属于聚类", labels[i])

# 打印聚类中心
print("聚类中心：")
for i in range(len(centroids)):
    print("聚类", i, "的中心点为", centroids[i])

这段代码首先导入了`KMeans`类和`numpy`库。然后，创建了一个包含6个数据点的数据集`X`。接下来，创建了一个`KMeans`对象，并指定聚类数目为2。然后，调用`fit`方法进行聚类。最后，通过`labels_`属性获取每个数据点的聚类标签，通过`cluster_centers_`属性获取聚类中心。最后，打印出聚类结果和聚类中心。