生成两组线性均匀分布的数据（完全线性可分）。 生成两组线性均匀分布的数据（线性不可分）。 生成两组高斯分布的数据（完全线性可分）。 生成两组高斯分布的数据（线性不可分）。 2.分别对每组数据使用 K-means聚类程序进行二分类。并进行可视化

好的，我明白了。下面是我的回答：

1. 生成两组线性均匀分布的数据（完全线性可分）：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
np.random.seed(1)
x1 = np.random.uniform(low=-1, high=1, size=(100, 2))
y1 = np.zeros(100)
x2 = np.random.uniform(low=-1, high=1, size=(100, 2))
y2 = np.ones(100)

# 可视化
plt.scatter(x1[:, 0], x1[:, 1], c='r', marker='o')
plt.scatter(x2[:, 0], x2[:, 1], c='b', marker='^')
plt.show()

生成的数据如下所示：


2. 生成两组线性均匀分布的数据（线性不可分）：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
np.random.seed(1)
x1 = np.random.uniform(low=-1, high=1, size=(100, 2))
y1 = np.zeros(100)
x2 = np.random.uniform(low=-1, high=1, size=(100, 2))
y2 = np.ones(100)

# 将数据做一个旋转
theta = np.pi / 4
rotation_matrix = np.array([[np.cos(theta), -np.sin(theta)], [np.sin(theta), np.cos(theta)]])
x1 = x1.dot(rotation_matrix)
x2 = x2.dot(rotation_matrix)

# 可视化
plt.scatter(x1[:, 0], x1[:, 1], c='r', marker='o')
plt.scatter(x2[:, 0], x2[:, 1], c='b', marker='^')
plt.show()

生成的数据如下所示：


3. 生成两组高斯分布的数据（完全线性可分）：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
np.random.seed(1)
mean1 = np.array([-1, -1])
cov1 = np.array([[1, 0], [0, 1]])
x1 = np.random.multivariate_normal(mean1, cov1, size=100)
y1 = np.zeros(100)
mean2 = np.array([1, 1])
cov2 = np.array([[1, 0], [0, 1]])
x2 = np.random.multivariate_normal(mean2, cov2, size=100)
y2 = np.ones(100)

# 可视化
plt.scatter(x1[:, 0], x1[:, 1], c='r', marker='o')
plt.scatter(x2[:, 0], x2[:, 1], c='b', marker='^')
plt.show()

生成的数据如下所示：


4. 生成两组高斯分布的数据（线性不可分）：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
np.random.seed(1)
mean1 = np.array([-1, -1])
cov1 = np.array([[1, 0], [0, 1]])
x1 = np.random.multivariate_normal(mean1, cov1, size=100)
y1 = np.zeros(100)
mean2 = np.array([1, 1])
cov2 = np.array([[1, 0.8], [0.8, 1]])
x2 = np.random.multivariate_normal(mean2, cov2, size=100)
y2 = np.ones(100)

# 可视化
plt.scatter(x1[:, 0], x1[:, 1], c='r', marker='o')
plt.scatter(x2[:, 0], x2[:, 1], c='b', marker='^')
plt.show()

生成的数据如下所示：


5. 对每组数据使用 K-means 聚类程序进行二分类并可视化：

from sklearn.cluster import KMeans

# 定义函数进行聚类和可视化
def kmeans_clustering(x1, x2, n_clusters=2):
    # 拼接数据
    x = np.concatenate((x1, x2), axis=0)

    # 聚类
    kmeans = KMeans(n_clusters=n_clusters, random_state=1)
    kmeans.fit(x)
    y_pred = kmeans.predict(x)

    # 可视化
    plt.scatter(x[y_pred == 0, 0], x[y_pred == 0, 1], c='r', marker='o')
    plt.scatter(x[y_pred == 1, 0], x[y_pred == 1, 1], c='b', marker='^')
    plt.show()

# 做聚类并可视化
kmeans_clustering(x1, x2)

对于第一组数据（线性可分），聚类结果如下所示：


对于第二组数据（线性不可分），聚类结果如下所示：


# 做聚类并可视化
kmeans_clustering(x1, x2)

对于第三组数据（高斯可分），聚类结果如下所示：


# 做聚类并可视化
kmeans_clustering(x1, x2)

对于第四组数据（高斯不可分），聚类结果如下所示：


以上就是我的回答，希望对你有帮助。