Python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）使用 K-means聚类程序进行二分类。

好的，我来逐一回答你提出的问题。

1. Python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

# 生成线性可分的数据
mean1 = [0, 0]
mean2 = [2, 2]
cov = [[1, 0], [0, 1]]

x1, y1 = np.random.multivariate_normal(mean1, cov, 100).T
x2, y2 = np.random.multivariate_normal(mean2, cov, 100).T

plt.scatter(x1, y1, c='r')
plt.scatter(x2, y2, c='b')
plt.show()

2. Python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

# 生成线性不可分的数据
mean1 = [0, 0]
mean2 = [2, 2]
cov = [[1, 0.8], [0.8, 1]]

x1, y1 = np.random.multivariate_normal(mean1, cov, 100).T
x2, y2 = np.random.multivariate_normal(mean2, cov, 100).T

plt.scatter(x1, y1, c='r')
plt.scatter(x2, y2, c='b')
plt.show()

3. Python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

# 生成高斯分布的数据
mean1 = [0, 0]
mean2 = [2, 2]
cov = [[1, 0], [0, 1]]

x1, y1 = np.random.multivariate_normal(mean1, cov, 100).T
x2, y2 = np.random.multivariate_normal(mean2, cov, 100).T

plt.scatter(x1, y1, c='r')
plt.scatter(x2, y2, c='b')
plt.show()

4. Python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

# 生成高斯分布的数据
mean1 = [0, 0]
mean2 = [2, 2]
cov = [[1, 0.8], [0.8, 1]]

x1, y1 = np.random.multivariate_normal(mean1, cov, 100).T
x2, y2 = np.random.multivariate_normal(mean2, cov, 100).T

plt.scatter(x1, y1, c='r')
plt.scatter(x2, y2, c='b')
plt.show()

5. 使用K-means聚类程序进行二分类：

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

# 生成高斯分布的数据
mean1 = [0, 0]
mean2 = [2, 2]
cov = [[1, 0.8], [0.8, 1]]

x1, y1 = np.random.multivariate_normal(mean1, cov, 100).T
x2, y2 = np.random.multivariate_normal(mean2, cov, 100).T

# 合并数据
X = np.concatenate((np.array([x1, y1]).T, np.array([x2, y2]).T))

# 进行二分类
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
labels = kmeans.labels_

# 绘制结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.show()

希望这些代码能够帮助到你解决问题！