实现Kmeans聚类，并实现可视化聚类结果

以下是一个Python实现Kmeans聚类的示例代码，同时使用matplotlib库可视化聚类结果：

import numpy as np
import matplotlib.pyplot as plt

# 生成测试数据
np.random.seed(42)
X = np.random.rand(50, 2)

# 定义Kmeans类
class KMeans:
    def __init__(self, k=2, max_iterations=500):
        self.k = k
        self.max_iterations = max_iterations

    def fit(self, data):
        self.centroids = data[np.random.choice(len(data), self.k, replace=False)]
        for i in range(self.max_iterations):
            self.labels = np.argmin(np.sqrt(((data - self.centroids[:, np.newaxis])**2).sum(axis=2)), axis=0)
            new_centroids = np.array([data[self.labels == j].mean(axis=0) for j in range(self.k)])
            if np.allclose(self.centroids, new_centroids):
                break
            self.centroids = new_centroids

    def predict(self, data):
        return np.argmin(np.sqrt(((data - self.centroids[:, np.newaxis])**2).sum(axis=2)), axis=0)

# 初始化Kmeans类并进行聚类
kmeans = KMeans(k=2)
kmeans.fit(X)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels)
plt.scatter(kmeans.centroids[:, 0], kmeans.centroids[:, 1], marker='*', s=300, c='r')
plt.show()

在此示例中，我们生成了50个二维随机数据点，然后使用Kmeans聚类将其分为两个簇。最终的可视化结果如下图所示：