K-Means聚类算法实现

以下是一个使用Python实现K-Means聚类算法的示例代码：

import numpy as np
from sklearn.cluster import KMeans

# 创建一个数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建KMeans模型并指定聚类数为2
kmeans = KMeans(n_clusters=2)

# 使用模型拟合数据
kmeans.fit(X)

# 打印聚类结果
print(kmeans.labels_)

# 打印聚类中心点
print(kmeans.cluster_centers_)

在上面的代码中，我们首先创建了一个包含两个特征的数据集X。然后使用sklearn库中的KMeans类创建了一个KMeans模型，并将聚类数设置为2。接下来，我们使用fit()方法拟合数据集，并用labels_属性打印了聚类结果。最后，我们使用cluster_centers_属性打印了聚类中心点的坐标。

请注意，这只是K-Means聚类算法的一个简单示例，实际应用中可能需要更多的数据预处理和参数调整。