K-Means算法 根据 离散点距离 分类数 进行聚类 代码

以下是Python中使用K-Means算法进行聚类的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

# 生成随机数据
X, y = make_blobs(n_samples=1000, centers=4, random_state=42)

# 聚类数
n_clusters = 4

# 创建KMeans对象
kmeans = KMeans(n_clusters=n_clusters)

# 训练模型
kmeans.fit(X)

# 预测聚类
y_pred = kmeans.predict(X)

# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.title(f"KMeans clustering with {n_clusters} clusters")
plt.show()

在上面的代码中，我们首先使用`make_blobs`函数生成了一个随机数据集。然后，我们定义了聚类数为4，并创建了一个KMeans对象。接着，我们使用`fit`方法训练模型，并使用`predict`方法预测聚类。最后，我们使用`scatter`函数绘制了散点图，其中颜色根据聚类结果进行了标记。