k均值聚类代码

以下是Python实现的k均值聚类算法代码：

import numpy as np

class KMeans:
    def __init__(self, n_clusters, max_iter=300):
        self.n_clusters = n_clusters
        self.max_iter = max_iter
        
    def fit(self, X):
        self.centroids = X[np.random.choice(len(X), self.n_clusters, replace=False)]
        
        for i in range(self.max_iter):
            clusters = [[] for _ in range(self.n_clusters)]
            
            for x in X:
                distances = [np.linalg.norm(x - c) for c in self.centroids]
                cluster_index = np.argmin(distances)
                clusters[cluster_index].append(x)
                
            new_centroids = []
            for cluster in clusters:
                if len(cluster) == 0:
                    new_centroids.append(np.random.uniform(-1, 1, X.shape[1]))
                else:
                    new_centroids.append(np.mean(cluster, axis=0))
            
            if np.allclose(self.centroids, new_centroids):
                break
                
            self.centroids = new_centroids
            
    def predict(self, X):
        clusters = [[] for _ in range(self.n_clusters)]
        
        for x in X:
            distances = [np.linalg.norm(x - c) for c in self.centroids]
            cluster_index = np.argmin(distances)
            clusters[cluster_index].append(x)
            
        return clusters

其中，fit方法用于训练模型，predict方法用于对新数据进行聚类。具体而言，fit方法首先随机选取k个数据点作为初始聚类中心，然后重复以下步骤：

1. 将所有数据点分配到距离最近的聚类中心所在的簇中。
2. 计算每个簇的中心（即新的聚类中心）。
3. 如果新的聚类中心与旧的聚类中心非常接近，则停止迭代。

最后，predict方法根据已经训练好的模型将新数据点分配到相应的簇中，返回每个簇中的数据点列表。