##
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
# 1. 准备数据集
# 假设我们有一个二维数据集
data = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
# 2. 初始化K均值聚类器
# 我们选择K=2，即我们想要将数据划分为两个集群
kmeans = KMeans(n_clusters=2, random_state=0)
# 3. 训练聚类器
kmeans.fit(data)
# 4. 预测数据点的集群
labels = kmeans.predict(data)
# 5. 可视化结果
plt.scatter(data[:, 0], data[:, 1], c=labels, s=50, cmap='viridis')
# 画出聚类中心
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='black', s=200, alpha=0.5);
plt.show()
