python的kmeans聚类算法

K-means是一种常见的聚类算法，它可以将数据集划分为k个不同的簇。在Python中，可以使用sklearn库中的KMeans类来实现K-means聚类算法。下面是一个使用KMeans类进行聚类的示例代码：

from sklearn.cluster import KMeans
import numpy as np

X = np.array([[1,2], [1,4], [1,0], [10,2], [10,4], [10,0]])
kmCluster = KMeans(n_clusters=2).fit(X)

print("聚类中心坐标:", kmCluster.cluster_centers_)
print("分类结果:", kmCluster.labels_)
print("显示预测判断:", kmCluster.predict([[0, 0], [12, 3]]))

这段代码中，首先导入了KMeans类和numpy库。然后，创建了一个二维数组X作为样本数据。接下来，通过KMeans类的fit()方法对样本数据进行聚类。参数n_clusters指定了需要将数据划分为几个簇。最后，通过cluster_centers_属性可以获取每个簇的中心坐标，labels_属性可以获取样本数据的分类结果，predict()方法可以根据训练好的模型进行预测判断。