修改上述代码，要求可以显示出k- means的代价函数

好的，您可以使用以下代码来显示 K-Means 算法的代价函数：

from sklearn.cluster import KMeans
from sklearn.metrics import pairwise_distances_argmin_min

# 计算代价函数
def kmeans_cost(X, centroids):
    closest, _ = pairwise_distances_argmin_min(X, centroids)
    return sum((X[i] - centroids[closest[i]])**2 for i in range(len(X)))

# K-Means 聚类
kmeans = KMeans(n_clusters=3, init='random')
kmeans.fit(X)

# 显示代价函数值
print("K-Means 代价函数值：", kmeans_cost(X, kmeans.cluster_centers_))

这段代码可以计算 K-Means 算法的代价函数，其中 `X` 是输入的数据，`centroids` 是聚类中心。K-Means 算法的代价函数是所有数据点与其所属聚类中心的欧式距离平方和。

希望能够帮助您解决问题。如果您还有其它问题，可以继续问我。