K-means三维聚类代码

K-means算法是一种常用的无监督机器学习方法，用于将数据集划分为预设数量的类别。在三维空间中进行K-means聚类的Python代码示例如下：

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

# 假设我们有三个特征的三维数据
X = np.array([
    [2, 4, 5],
    [8, 9, 10],
    [7, 6, 4],
    [1, 3, 2],
    # ... 更多数据点
])

# 设置k值，这里假设我们要分4类
kmeans = KMeans(n_clusters=4)

# 进行聚类
kmeans.fit(X)
labels = kmeans.labels_

# 绘制三维散点图，每个颜色代表一类
plt.scatter(X[:, 0], X[:, 1], X[:, 2], c=labels)
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], centers[:, 2], marker='x', s=300, color='red')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('3D K-Means Clustering Result')
plt.show()