k均值聚类算法实例代码

好的，以下是一个简单的k均值聚类算法的Python实现示例代码：

import numpy as np

def k_means(data, k):
    # 随机初始化k个聚类中心
    centroids = data[np.random.choice(len(data), k, replace=False)]

    while True:
        # 计算各个样本点到聚类中心的距离
        distances = np.sqrt(((data - centroids[:, np.newaxis])**2).sum(axis=2))

        # 将每个样本点分配到距离最近的聚类中心
        labels = np.argmin(distances, axis=0)

        # 计算每个聚类中心的平均值，得到新的聚类中心
        new_centroids = np.array([data[labels == i].mean(axis=0) for i in range(k)])

        # 如果新的聚类中心与旧的聚类中心相同，则停止迭代
        if np.all(centroids == new_centroids):
            break

        centroids = new_centroids

    return labels, centroids

其中，`data`是一个$m \times n$的矩阵，表示$m$个$n$维向量的数据集，`k`表示要聚成$k$类。该函数返回一个长度为$m$的一维数组`labels`，表示每个数据点所属的聚类类别，以及一个$k \times n$的二维数组`centroids`，表示聚类中心的坐标。