写一个kmeans分类代码

好的，以下是一个简单的Python实现KMeans聚类的代码：

import numpy as np

class KMeans:
    def __init__(self, k=5, max_iter=100):
        self.k = k
        self.max_iter = max_iter

    def fit(self, X):
        self.centroids = []

        # 初始化聚类中心
        for i in range(self.k):
            self.centroids.append(X[np.random.randint(0, len(X)-1)])

        for i in range(self.max_iter):
            # 分配每个数据点到最近的聚类中心
            clusters = {}
            for j in range(self.k):
                clusters[j] = []

            for point in X:
                distances = [np.linalg.norm(point - centroid) for centroid in self.centroids]
                cluster_id = distances.index(min(distances))
                clusters[cluster_id].append(point)

            # 更新聚类中心
            prev_centroids = self.centroids
            for cluster_id in clusters:
                self.centroids[cluster_id] = np.mean(clusters[cluster_id], axis=0)

            # 如果聚类中心没有移动，则停止迭代
            if np.array_equal(prev_centroids, self.centroids):
                break

    def predict(self, X):
        predictions = []
        for point in X:
            distances = [np.linalg.norm(point - centroid) for centroid in self.centroids]
            cluster_id = distances.index(min(distances))
            predictions.append(cluster_id)
        return predictions

这个KMeans类包含两个方法：fit和predict。fit方法用于训练模型，而predict方法用于预测新数据点的类别。这个实现使用欧氏距离作为距离度量。