机器学习kmeans聚类算法python代码

K-Means是一种常用的无监督机器学习算法，用于数据集的分群。下面是一个简单的Python代码示例，使用sklearn库实现KMeans聚类：

from sklearn.cluster import KMeans
import numpy as np

# 假设我们有一个二维的数据集data
data = [[5, 8], [1, 2], [9, 4], [6, 7], [3, 3]]  # 这里只是一个简化版的数据，实际应用中数据应从文件、数据库或CSV等读取

# 初始化KMeans模型，设定簇的数量n_clusters
kmeans = KMeans(n_clusters=3)

# 对数据进行拟合
kmeans.fit(data)

# 获取每个样本所属的簇标签
labels = kmeans.labels_

# 获取各个簇的质心（中心点）
centroids = kmeans.cluster_centers_

print("Cluster labels:", labels)
print("Centroids:", centroids)

在这个例子中，`fit`函数训练模型，`labels_`属性返回的是每个样本分配到的簇标签，`cluster_centers_`属性则返回了每个簇的中心点。