KMeans 聚类算法：将数据划分为 4 个簇

这段代码使用了 KMeans 聚类算法对数据集 'z_cdata' 进行聚类，将数据分成了 4 个簇。聚类算法的目标是将数据点划分为具有相似特征的簇，使得同一簇内的数据点相似度较高，而不同簇之间的相似度较低。

具体步骤如下：

1. 导入 sklearn 库中的 KMeans 模块。
2. 创建一个 KMeans 对象 'kmodel'，设置 'n_clusters' 参数为 4，表示要将数据集分成 4 个簇。
3. 调用 'kmodel.fit()' 方法，传入数据集 'z_cdata' 进行模型训练。在训练过程中，KMeans 算法会根据数据的特征进行迭代，不断优化簇的中心点位置，使得簇内的数据点与簇中心点的距离最小化。
4. 训练完成后，'kmodel.labels_' 属性会返回一个与数据集中每个样本对应的簇的索引。这个索引数组的长度与数据集的样本数相同，每个元素表示对应数据点所属的簇的索引。

通过输出的数组，可以得知每个数据点被分配到了哪个簇中。这对于进一步分析和可视化聚类结果非常有用，可以帮助我们理解数据的分布情况，发现潜在的模式和关系。