k均值聚类的python实现

以下是k均值聚类的Python实现示例：

import numpy as np
from sklearn.cluster import KMeans

# 创建数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建k均值聚类模型，设置聚类数为2
kmeans = KMeans(n_clusters=2)

# 拟合数据集
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_
print("聚类结果：", labels)

# 获取聚类中心点
centers = kmeans.cluster_centers_
print("聚类中心点：", centers)

在这个示例中，我们首先创建了一个数据集X，然后使用KMeans类创建了一个k均值聚类模型，并将聚类数设置为2。然后，我们使用fit方法拟合数据集，得到聚类结果和聚类中心点。最后，我们输出了聚类结果和聚类中心点。

注意：在实际应用中，您需要根据您的数据集和具体任务进行适当的调参和处理