K均值导入西瓜数据集

好的，首先我们需要安装一些必要的库，包括 pandas、numpy、matplotlib 和 sklearn。你可以在命令行中执行以下命令来安装这些库：

pip install pandas numpy matplotlib scikit-learn

接下来，我们可以从UCI Machine Learning Repository下载西瓜数据集，或者使用已经下载好的数据集文件。这里我们使用第二种方式。

首先，我们需要导入pandas库并读取数据集文件。

import pandas as pd

data = pd.read_csv('watermelon.csv')
X = data.iloc[:, 1:3].values

这里我们只选择了数据集文件中的前两列作为特征，即密度和含糖率，忽略了其他列。为了方便，我们将数据存储在一个名为X的变量中。

接下来，我们可以使用sklearn库中的KMeans类来实现K均值聚类算法。

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

这里我们指定了聚类数为3，即将数据集分成3类。通过KMeans类的fit方法，我们可以对数据进行聚类，并且得到每个样本所属的簇。

最后，我们可以将聚类结果可视化。

import matplotlib.pyplot as plt

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=300, c='r')
plt.show()

这里我们使用scatter方法绘制散点图，并指定每个样本所属的簇。另外，我们还使用scatter方法绘制聚类中心，用星号表示，并且将颜色设置为红色。

完整代码如下所示：

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

data = pd.read_csv('watermelon.csv')
X = data.iloc[:, 1:3].values

kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=300, c='r')
plt.show()