kmeans聚类算法应用实例

K均值聚类算法是一种常见的无监督学习算法，适用于将数据集分成多个簇。以下是K均值聚类算法的一个应用实例：

假设我们有一个包含1000个样本的数据集，每个样本有两个特征：x和y。我们想将这些样本分成3个簇。我们可以使用K均值聚类算法来实现这个目标。

首先，我们需要选择三个随机点作为初始簇中心。然后，我们计算每个样本与每个簇中心的距离，并将每个样本分配到距离最近的簇中心所在的簇中。接着，我们重新计算每个簇的中心点，并重复上述步骤直到收敛。

下面是Python代码实现：

import numpy as np
from sklearn.cluster import KMeans

# 生成随机数据
data = np.random.rand(1000, 2)

# 使用KMeans聚类算法
kmeans = KMeans(n_clusters=3)
kmeans.fit(data)

# 输出聚类结果
print(kmeans.labels_)

运行代码后，我们可以看到输出的聚类结果为一个长度为1000的数组，表示每个样本所属的簇编号。