多维kmeans聚类算法python代码实现并绘制图像

好的，下面是多维K-Means聚类算法的Python代码实现，并绘制图像：

import numpy as np
import matplotlib.pyplot as plt

def kmeans(data, k, max_iter=300):
    """
    多维K-Means聚类算法实现
    :param data: 数据集，形状为 (N, D)，N为数据点个数，D为数据维度
    :param k: 聚类簇数
    :param max_iter: 最大迭代次数
    :return: centroids: 聚类中心，形状为 (k, D)
             clusters: 数据点所属的聚类簇，形状为 (N,)
    """
    N, D = data.shape
    centroids = data[np.random.choice(N, k, replace=False)]  # 随机选择k个数据点作为聚类中心
    clusters = np.zeros(N, dtype=int)  # 初始化每个数据点所属的聚类簇

    for i in range(max_iter):
        # 分配每个数据点到最近的聚类中心
        for j in range(N):
            distances = np.linalg.norm(data[j] - centroids, axis=1)  # 计算数据点到每个聚类中心的距离
            clusters[j] = np.argmin(distances)  # 将数据点分配到最近的聚类中心

        # 更新聚类中心
        for j in range(k):
            centroids[j] = np.mean(data[clusters == j], axis=0)

    return centroids, clusters

# 生成随机数据集
np.random.seed(42)
data = np.random.randn(100, 2)

# 调用kmeans函数进行聚类
centroids, clusters = kmeans(data, k=3)

# 绘制数据点和聚类中心
plt.scatter(data[:, 0], data[:, 1], c=clusters)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='*', s=150, c='r')
plt.show()

运行以上代码，即可得到多维K-Means聚类的结果图像。