k-均值聚类算法分类图python代码

k-均值聚类算法是一种常用的无监督学习算法，其目标是将数据集分成k个簇，每个簇包含最接近簇中心的数据点。以下是k-均值聚类算法的Python代码示例，其中使用scikit-learn库中的KMeans类实现：

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

# 生成数据集
np.random.seed(0)
X = np.vstack((np.random.randn(100, 2) * 0.4 + [1, 1],
               np.random.randn(100, 2) * 0.4 + [-1, -1],
               np.random.randn(100, 2) * 0.4 + [1, -1]))

# 创建KMeans对象并拟合数据
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 绘制聚类结果
colors = ['r', 'g', 'b']
for i in range(len(X)):
    plt.scatter(X[i], X[i], c=colors[kmeans.labels_[i]], alpha=0.5)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='x', s=100, linewidths=3, color='k')
plt.show()

此代码将生成一个包含三个簇的数据集，并将其聚类为三个簇。聚类结果将通过散点图展示出来。