k-means聚类算法python实现方法

k-means聚类算法是一种常用的无监督学习算法，它可以将数据集分成k个不同的类别。下面是Python实现k-means聚类算法的方法：

1. 导入必要的库

import numpy as np
from sklearn.cluster import KMeans

2. 准备数据

data = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

3. 实例化KMeans对象

kmeans = KMeans(n_clusters=2, random_state=0)

4. 训练KMeans模型

kmeans.fit(data)

5. 获取聚类结果

labels = kmeans.labels_

6. 获取聚类中心点

centers = kmeans.cluster_centers_

完整代码如下：

import numpy as np
from sklearn.cluster import KMeans

data = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

kmeans = KMeans(n_clusters=2, random_state=0)
kmeans.fit(data)

labels = kmeans.labels_
centers = kmeans.cluster_centers_
print(labels)
print(centers)

输出结果为：

[1 1 1 0 0 0]
[[10.  2.]
 [ 1.  2.]]

其中，labels为聚类结果，centers为聚类中心点。