python中k均值聚类怎么用

使用Python进行K均值聚类分析的基本步骤如下：

导入必要的库

 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_blobs 

准备数据

 生成示例数据集 X, _ = make_blobs（n_samples=300, centers=4, cluster_std=0.6, random_state=0） 

实现K均值算法

 def k_means（X, n_clusters, max_iters=100）: centroids = X[np.random.choice（len（X）, n_clusters, replace=False）] for _ in range（max_iters）: clusters = [[] for _ in range（n_clusters）] for x in X: distances = np.linalg.norm（x[:, np.newaxis] - centroids, axis=2） closest_centroid = np.argmin（distances） clusters[closest_centroid].append（x） new_centroids = np.array（[np.mean（cluster, axis=0） for cluster in clusters]） if np.all（centroids == new_centroids）: break centroids = new_centroids return centroids, clusters 

执行K均值聚类

 centroids, clusters = k_means（X, n_clusters=4） 

可视化结果

 for i, centroid in enumerate（centroids）: plt.scatter（X[clusters[i], 0], X[clusters[i], 1], label=f'Cluster {i+1}'） plt.scatter（centroids[:, 0], centroids[:, 1], c='red', marker='x', label='Centroids'） plt.legend（） plt.show（） 

以上步骤展示了如何使用Python进行K均值聚类分析。你可以根据实际需要调整数据集、聚类数以及其他参数。