kmeans聚类算法应用实例

K-means是一种无监督学习算法，常用于数据聚类和图像分割。下面是一个K-means聚类算法的应用实例：

假设我们有一组包含1000个数据点的二维数据集，我们想将其分为3类。首先，我们使用随机数生成器生成1000个数据点，代码如下：

import numpy as np

np.random.seed(0)
X = np.random.randn(1000, 2) 

接下来，我们使用sklearn库中的KMeans模型进行聚类，代码如下：

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

最后，我们可以将结果可视化，将数据点按照所属类别用不同颜色标记出来，代码如下：

import matplotlib.pyplot as plt

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.show()

这样我们就可以看到，K-means算法将数据点分为3类，并用不同的颜色标记出来。