第2关：K-means模型训练代码

K-means是一种常用的无监督机器学习算法，用于数据聚类。第二关的K-means模型训练代码一般包括以下几个步骤：

1. **导入必要的库**：

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

2. **加载或生成数据**：

# 假设数据是一个二维数组
data = np.random.rand(100, 2)  # 示例随机数据

3. **初始化聚类中心**（可以选择随机样本或预定义点）：

k = 3  # 要划分的簇数
initial_centers = data[np.random.choice(range(data.shape[0]), k, replace=False)]

4. **设置KMeans模型并拟合数据**：

kmeans = KMeans(n_clusters=k, init=initial_centers)
kmeans.fit(data)

5. **获取聚类结果**：

labels = kmeans.labels_
cluster_centers = kmeans.cluster_centers_

6. **可视化结果**：

plt.scatter(data[:, 0], data[:, 1], c=labels, cmap='viridis')
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], c='red', marker='x')
plt.xlabel('特征1')
plt.ylabel('特征2')
plt.title('K-means聚类结果')
plt.show()