K均值算法

K均值算法是一种常用的聚类算法，用于将数据集划分为K个不同的类别。以下是一个使用Python实现K均值算法的示例代码：

from sklearn.cluster import KMeans
import numpy as np

# 定义数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建KMeans模型，指定聚类的个数为2
kmeans = KMeans(n_clusters=2)

# 训练模型
kmeans.fit(X)

# 预测数据的类别
labels = kmeans.predict(X)

# 获取聚类中心
centroids = kmeans.cluster_centers_

# 打印结果
print("数据点的类别：", labels)
print("聚类中心：", centroids)

在这个示例代码中，我们使用了sklearn.cluster.KMeans类来实现K均值聚类算法。首先，我们定义了一个包含6个数据点的数据集X。然后，我们创建了一个KMeans对象，并通过n_clusters参数指定聚类的个数为2。

接下来，我们使用fit方法训练模型，并使用predict方法预测数据点的类别。最后，我们可以使用cluster_centers_属性获取聚类的中心点，并打印结果。

请注意，该示例仅为了说明K均值算法的基本原理和使用方法，并未包含完整的实现。在实际应用中，你可能需要根据具体的问题和数据集进行参数调整和优化。