k-means python代码
时间: 2023-06-21 22:16:28 浏览: 42
K-Means代码
5星 · 资源好评率100%
下面是一个简单的使用Python实现的K-Means算法的代码:
```
import numpy as np
import matplotlib.pyplot as plt
# 生成随机数据
np.random.seed(0)
X = np.random.randn(100, 2)
# 初始化聚类中心
k = 3
centers = X[:k, :]
# 迭代更新聚类中心
while True:
# 计算每个样本与聚类中心的距离
distances = np.sqrt(((X - centers[:, np.newaxis]) ** 2).sum(axis=2))
# 分配样本到最近的聚类中心
labels = distances.argmin(axis=0)
# 更新聚类中心
new_centers = np.array([X[labels == i].mean(axis=0) for i in range(k)])
# 判断是否收敛
if np.all(centers == new_centers):
break
centers = new_centers
# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='*', s=200, c='r')
plt.show()
```
上述代码中,我们首先生成了一个二维的随机数据集X,然后初始化了三个聚类中心,接着进行了迭代更新聚类中心的过程,直到聚类中心不再变化为止。最后,我们用matplotlib库将聚类结果可视化出来。
阅读全文