对于一个贷款申请客户数据集共有25个样本数据集包含有无支票账户和当前欠款总额两个特征样本的目标标签为高风险或低风险。现准备构造决策树模型利用有无支票账户这个特征为当前节点来对数据集进行划分划分结果如下表：无支票账户有支票账户高风险82低风险213【问题描述】假设某餐厅现有4个客户分别编号为a、b、c、d这4位客户某段时间的平均消费水平分别为1、2、4、5万元请用kmeans算法将这4个客户聚类为V

【问题描述】

假设某餐厅现有4个客户，分别编号为a、b、c、d，这4位客户某段时间的平均消费水平分别为1、2、4、5万元，请用kmeans算法将这4个客户聚类为VIP客户和普通客户两个类别。

【输入形式】

无

【输出形式】

输出内容为每个客户的聚类标签和聚类的类别中心坐标，具体格式如下：

[0 0 1 1]

[[1.5]

[4.5]]

其中第一行为每个客户的聚类标签，0表示普通客户，1表示VIP客户；第二行为聚类的类别中心坐标，每行一个坐标。

【样例输入】

无

【样例输出】

[0 0 1 1]

[[1.5]

[4.5]]

【样例说明】

根据输入数据，kmeans算法将4个客户聚类为两个类别，其中第一个类别包含客户a和b，第二个类别包含客户c和d。第一个类别的类别中心坐标为1.5万元，第二个类别的类别中心坐标为4.5万元。

【评分标准】

本题共2个测试点，每个测试点5分，满分10分。对于每个测试点，如果输出格式正确且结果正确，则得到该测试点的全部分数；否则不得分。