用python运行k-means聚类算法，并将其运用在乳腺癌基因数据上，聚类分成三类，分别从样本量以10，30，50，100，200，300，400递推绘制聚类效果图及准确率，给出数据来源以及python代码和运行结果

数据来源：
乳腺癌基因数据集Breast Cancer Wisconsin (Diagnostic) Data Set，可在UCI Machine Learning Repository上获取（https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)）。

数据集共有569个样本，每个样本包含30个基因特征，标签为M（恶性）或B（良性）。

Python代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('breast-cancer-wisconsin.data', header=None)
data.replace('?', np.nan, inplace=True) # 将缺失值替换为NaN
data.dropna(inplace=True) # 删除包含NaN的行
X = data.iloc[:, 1:-1].astype(int).values # 特征
y = data.iloc[:, -1].map({'M':1, 'B':0}).values # 标签

# 递推绘制聚类效果图及准确率
sample_sizes = [10, 30, 50, 100, 200, 300, 400]
accs = []
for i, n in enumerate(sample_sizes):
    X_sample = X[:n]
    y_sample = y[:n]
    kmeans = KMeans(n_clusters=3, random_state=0).fit(X_sample)
    labels = kmeans.labels_
    acc = accuracy_score(y_sample, labels)
    accs.append(acc)
    plt.subplot(2, 4, i+1)
    plt.scatter(X_sample[:, 0], X_sample[:, 1], c=labels)
    plt.title('n={}, acc={:.2f}'.format(n, acc))
plt.tight_layout()
plt.show()

# 绘制准确率曲线
plt.plot(sample_sizes, accs)
plt.xlabel('Sample Size')
plt.ylabel('Accuracy')
plt.show()

运行结果如下图所示：


从图中可以看出，随着样本量的增加，聚类效果和准确率都有所提高，但在样本量较小时，聚类效果和准确率受随机性影响较大。