K-Means 聚类算法 Python 实现 | 示例代码和解析

以下是 k 均值聚类的 Python 实现示例：\n\npython\nimport numpy as np\nfrom sklearn.cluster import KMeans\n\n# 创建数据集\nX = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])\n\n# 创建 k 均值聚类模型，设置聚类数为 2\nkmeans = KMeans(n_clusters=2)\n\n# 拟合数据集\nkmeans.fit(X)\n\n# 获取聚类结果\nlabels = kmeans.labels_\nprint("聚类结果：", labels)\n\n# 获取聚类中心点\ncenters = kmeans.cluster_centers_\nprint("聚类中心点：", centers)\n\n\n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。\n\n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。