Python KMeans 聚类算法示例：AIS 数据分析

以下是一个用 KMeans 算法进行 AIS 数据聚类的 Python 代码示例：

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 读取 AIS 数据
ais_data = pd.read_csv('ais_data.csv')

# 选择需要聚类的特征列
ais_features = ais_data[['longitude', 'latitude', 'speed_over_ground', 'course_over_ground']]

# 初始化 KMeans 模型
kmeans = KMeans(n_clusters=5)

# 对数据进行聚类
kmeans.fit(ais_features)

# 将聚类结果加入到原始数据中
ais_data['cluster'] = kmeans.labels_

# 绘制聚类结果的散点图
plt.scatter(ais_data['longitude'], ais_data['latitude'], c=ais_data['cluster'])
plt.show()

在这个示例中，我们首先读取了一个 AIS 数据集，并选择了其中的经度、纬度、航速和航向作为聚类的特征。然后，我们初始化了一个 KMeans 模型，并用它对数据进行了聚类。最后，我们将聚类结果加入到原始数据中，并绘制了聚类结果的散点图。