python 调包实现k-means多分类

在 Python 中，可以使用 scikit-learn 库来实现 k-means 多分类。具体步骤如下：

1. 首先导入需要的库和数据集。这里以 iris 数据集为例。

from sklearn import datasets
import numpy as np

iris = datasets.load_iris()
X = iris.data
y = iris.target

2. 使用 scikit-learn 库中的 KMeans 类来实现 k-means 算法。该类有多个参数，其中 n_clusters 表示要聚类的簇的数量。

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=3)

3. 使用 fit 方法对数据进行聚类。

kmeans.fit(X)

4. 使用 predict 方法对新数据进行分类。

y_pred = kmeans.predict(X)

完整代码如下：

from sklearn import datasets
from sklearn.cluster import KMeans
import numpy as np

iris = datasets.load_iris()
X = iris.data
y = iris.target

kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
y_pred = kmeans.predict(X)

print("预测值:\n", y_pred)
print("实际值:\n", y)

其中，n_clusters 参数设置为 3，表示要聚类成 3 类。运行代码后，输出的 y_pred 数组即为聚类后的结果，y 数组为真实标签。