K均值算法主要程序

K均值算法主要程序如下：

import random

def kmeans(points, k, max_iter=100):
    n = len(points)
    # 随机选取中心点
    centers = random.sample(points, k)
    # 循环迭代
    for _ in range(max_iter):
        # 初始化每个聚类的点集合
        clusters = [[] for _ in range(k)]
        # 分配每个点到最近的中心点所在的聚类中
        for point in points:
            distances = [math.sqrt((point[0]-center[0])**2 + (point[1]-center[1])**2) for center in centers]
            min_index = distances.index(min(distances))
            clusters[min_index].append(point)
        # 更新中心点
        for i in range(k):
            centers[i] = tuple(map(lambda x: sum(x)/len(clusters[i]), zip(*clusters[i]))) if clusters[i] else centers[i]
    return centers

其中，`points` 是一个列表，包含了所有的数据点，每个数据点是一个二元组 `(x, y)`，`k` 是需要聚类的数量，`max_iter` 是最大迭代次数（默认为100）。算法的返回值是一个包含了 `k` 个中心点的列表 `centers`，可以作为聚类的结果。