生成两组线性均匀分布的数据（完全线性可分）。 生成两组线性均匀分布的数据（线性不可分）。 生成两组高斯分布的数据（完全线性可分）。 生成两组高斯分布的数据（线性不可分）。 2. 使用 K-means聚类程序进行二分类。

好的，我明白了。以下是我的回答：

1. 生成数据

- 生成两组线性均匀分布的数据（完全线性可分）

可以使用 numpy 库中的 random 函数生成两组均匀分布的数据，然后用线性方程分别将它们分隔开来。

import numpy as np

# 生成两组均匀分布的数据
n = 50
x1 = np.random.uniform(-1, 1, (n, 2))
x2 = np.random.uniform(-1, 1, (n, 2))

# 将它们分隔开来
w = np.array([1, 2])  # 分隔线的法向量
b = 0.5  # 分隔线的截距

y1 = np.sign(np.dot(x1, w) + b)
y2 = np.sign(np.dot(x2, w) + b)

- 生成两组线性均匀分布的数据（线性不可分）

可以使用 numpy 库中的 random 函数生成两组均匀分布的数据，然后在其中一组数据中添加噪声。

import numpy as np

# 生成两组均匀分布的数据
n = 50
x1 = np.random.uniform(-1, 1, (n, 2))
x2 = np.random.uniform(-1, 1, (n, 2))

# 在其中一组数据中添加噪声
x2 += 0.2 * np.random.randn(n, 2)

# 将它们分隔开来
w = np.array([1, 2])  # 分隔线的法向量
b = 0.5  # 分隔线的截距

y1 = np.sign(np.dot(x1, w) + b)
y2 = np.sign(np.dot(x2, w) + b)

- 生成两组高斯分布的数据（完全线性可分）

可以使用 numpy 库中的 random 函数生成两组高斯分布的数据，然后用线性方程分别将它们分隔开来。

import numpy as np

# 生成两组高斯分布的数据
n = 50
x1 = np.random.normal(0, 1, (n, 2))
x2 = np.random.normal(2, 1, (n, 2))

# 将它们分隔开来
w = np.array([1, 2])  # 分隔线的法向量
b = 0.5  # 分隔线的截距

y1 = np.sign(np.dot(x1, w) + b)
y2 = np.sign(np.dot(x2, w) + b)

- 生成两组高斯分布的数据（线性不可分）

可以使用 numpy 库中的 random 函数生成两组高斯分布的数据，然后在其中一组数据中添加噪声。

import numpy as np

# 生成两组高斯分布的数据
n = 50
x1 = np.random.normal(0, 1, (n, 2))
x2 = np.random.normal(2, 1, (n, 2))

# 在其中一组数据中添加噪声
x2 += 0.5 * np.random.randn(n, 2)

# 将它们分隔开来
w = np.array([1, 2])  # 分隔线的法向量
b = 0.5  # 分隔线的截距

y1 = np.sign(np.dot(x1, w) + b)
y2 = np.sign(np.dot(x2, w) + b)

2. K-means聚类程序进行二分类

可以使用 sklearn 库中的 KMeans 函数进行聚类。以下是一个示例代码：

from sklearn.cluster import KMeans

# 合并数据并打标签
X = np.concatenate([x1, x2])
y = np.concatenate([y1, y2])

# 使用 KMeans 进行聚类
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)

# 得到聚类结果
y_pred = kmeans.labels_

# 输出准确率
accuracy = np.mean(y_pred == y)
print('Accuracy:', accuracy)