Kmeans函数怎么用

Kmeans 是一种无监督学习算法，用于聚类分析。它的主要思想是将数据集划分为 K 个簇，使得簇内的数据点相似度高，不同簇的数据点相似度低。Kmeans 函数可以用于实现这一算法。

在 Python 中，scikit-learn 库提供了 Kmeans 函数。以下是 Kmeans 函数的基本用法：

from sklearn.cluster import KMeans

# 创建 KMeans 模型
kmeans = KMeans(n_clusters=3)

# 训练模型并预测
labels = kmeans.fit_predict(data)

其中，`n_clusters` 参数指定了要划分的簇的数量，`data` 是一个 numpy 数组，表示要进行聚类的数据集。`fit_predict` 方法将返回一个表示数据点所属簇的标签数组。

还可以通过以下方式获取簇中心点：

centers = kmeans.cluster_centers_

此外，Kmeans 函数还提供了许多其他参数，例如初始化簇中心点的方法、迭代次数等等。具体用法可以参考 scikit-learn 官方文档。