python聚类可视化

Python中常用的聚类算法有K-Means、层次聚类等，可视化也有多种方式，例如matplotlib、seaborn等。

下面以K-Means算法为例，介绍一种可视化方法：

首先，我们需要生成一些数据，代码如下：

import numpy as np
from sklearn.datasets import make_blobs

# 生成数据
X, y = make_blobs(n_samples=1000, centers=6, random_state=42)

接着，我们使用K-Means算法对数据进行聚类：

from sklearn.cluster import KMeans

# 聚类
kmeans = KMeans(n_clusters=6, init='k-means++', max_iter=300, n_init=10, random_state=42)
y_kmeans = kmeans.fit_predict(X)

最后，我们使用matplotlib进行可视化：

import matplotlib.pyplot as plt

# 可视化
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis')
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='black', s=200, alpha=0.5)
plt.show()

运行代码后，即可得到一个K-Means聚类的可视化图像。

其中，X[:,0]和X[:,1]分别表示数据的两个维度，c=y_kmeans表示按照聚类结果进行着色，s=50表示散点的大小，cmap='viridis'表示使用颜色映射。centers表示聚类中心，通过plt.scatter绘制。