KMeans 聚类算法：将餐厅客户划分 VIP 和普通客户

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。现在，我们想用 KMeans 算法将这 4 个客户聚类为 VIP 客户和普通客户两个类别。

以下是 Python 代码实现：

from sklearn.cluster import KMeans
import numpy as np

# 客户的消费水平
X = np.array([[1], [2], [4], [5]])

# 使用kmeans算法进行聚类，聚成2类（VIP客户和普通客户）
kmeans = KMeans(n_clusters=2).fit(X)

# 打印聚类结果
labels = kmeans.labels_
for i in range(len(labels)):
    if labels[i] == 0:
        print('客户' + chr(ord('a')+i) + '为 VIP 客户')
    else:
        print('客户' + chr(ord('a')+i) + '为普通客户')

输出结果为：

客户a为VIP客户
客户b为VIP客户
客户c为普通客户
客户d为普通客户

根据算法的聚类结果，'a'、'b' 两位客户的消费水平较高，被聚类为 VIP 客户，'c'、'd' 两位客户的消费水平较低，被聚类为普通客户。