K-Means聚类 python

K-Means 是一种聚类算法，可以将数据集划分成 K 个类别。以下是使用 Python 实现 K-Means 聚类的简单示例：

首先，导入必要的库：

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

然后，生成一些随机数据：

# 生成随机数据
X = np.random.randn(100, 2)

接着，使用 K-Means 聚类算法进行分类：

# 使用 K-Means 聚类算法进行分类
kmeans = KMeans(n_clusters=3).fit(X)

最后，将数据可视化：

# 将数据可视化
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.show()

完整代码如下：

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

# 生成随机数据
X = np.random.randn(100, 2)

# 使用 K-Means 聚类算法进行分类
kmeans = KMeans(n_clusters=3).fit(X)

# 将数据可视化
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.show()

运行后，会生成一个散点图，其中不同颜色代表不同的类别。