写一个无监督学习，去学习分辨事物的代码

好的，以下是一个简单的无监督学习代码：

import numpy as np

# 生成随机数据
data = np.random.rand(100, 2)

# 初始化聚类中心
centers = np.random.rand(3, 2)

# 迭代次数
n_iters = 10

for i in range(n_iters):
    # 计算每个数据点与聚类中心的距离
    distances = np.sqrt(((data - centers[:, np.newaxis])**2).sum(axis=2))

    # 将每个数据点分配给最近的聚类中心
    labels = np.argmin(distances, axis=0)

    # 更新聚类中心
    for j in range(3):
        centers[j] = np.mean(data[labels == j], axis=0)

# 打印聚类结果
print(labels)

以上代码使用 k-means 聚类算法对随机数据进行聚类。该算法不需要标注数据集，通过迭代计算数据点与聚类中心的距离，以及重新计算聚类中心，最终将数据点分配到不同的聚类簇中，从而实现无监督学习。