k-means算法代码

k-means算法代码的实现可以在不同的编程语言中不同。以下是使用Python代码的简化版本：

import numpy as np

def kmeans(X, k, max_iterations=100):
    # 选择k个初始中心点
    initial_centers = X[np.random.choice(X.shape[0], k, replace=False), :]
    
    for i in range(max_iterations):
        # 计算每个数据点到中心点的距离
        distances = np.array([np.linalg.norm(X - center, axis=1) for center in initial_centers])
        # 为每个数据点分配离它最近的中心点
        labels = np.argmin(distances, axis=0)
        # 计算新的中心点
        new_centers = np.array([X[labels == j].mean(axis=0) for j in range(k)])
        # 如果中心点不再改变，则算法结束
        if np.allclose(initial_centers, new_centers):
            break
        initial_centers = new_centers
    
    return initial_centers, labels

注意：此代码仅供参考，可能需要进行更多的错误检查和优化。