用kmeans算法进行70个学生分组的代码实现

以下是使用 Python 的 scikit-learn 库实现 k-means 算法对 70 个学生分组的示例代码：

import numpy as np
from sklearn.cluster import KMeans

# 生成随机数据，共70个学生，每个学生有5个特征
data = np.random.rand(70, 5)

# 定义聚类模型，将学生分成5组
kmeans = KMeans(n_clusters=5)

# 训练模型
kmeans.fit(data)

# 输出每个学生所属的组别
print(kmeans.labels_)

代码解释：

1. 导入必要的库，包括 numpy 和 scikit-learn 的 KMeans 类。
2. 生成随机数据，其中第一个参数表示数据的数量，第二个参数表示每个数据的特征数量。
3. 定义 KMeans 对象，传入参数 n_clusters=5 表示将学生分成 5 组。
4. 使用 fit 方法训练模型。
5. 输出每个学生所属的组别，即 labels_ 属性。