k均值聚类算法python

好的，我可以为您提供关于k均值聚类算法的Python实现。

首先，您需要导入必要的库和数据集。这里我们使用sklearn库中的make_blobs方法生成一个随机数据集。

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

# 生成随机数据集
X, _ = make_blobs(n_samples=200, centers=4, random_state=42)
plt.scatter(X[:, 0], X[:, 1])
plt.show()

接下来，我们可以定义k均值聚类算法的函数。

import numpy as np

def kmeans(X, k, max_iters=100):
    # 随机初始化k个中心点
    centroids = X[np.random.choice(len(X), k, replace=False)]
    
    for i in range(max_iters):
        # 计算每个样本到每个中心点的距离
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        
        # 根据最小距离的中心点聚类
        labels = np.argmin(distances, axis=0)
        
        # 更新中心点
        for j in range(k):
            centroids[j] = X[labels == j].mean(axis=0)
    
    return centroids, labels

最后，我们可以调用这个函数并绘制聚类结果。

centroids, labels = kmeans(X, k=4)
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

这里的k值为4，可以根据实际情况进行调整。运行代码后，您将看到一个带有红色叉的散点图，表示聚类中心点，以及四个不同颜色的散点，表示四个不同的聚类。