K-means聚类的质心

以下是一个使用Python编程语言实现K-means聚类算法的示例代码：

import numpy as np
from sklearn.cluster import KMeans

# 创建一个包含样本数据的数组
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建K-means聚类模型，指定聚类数量为2
kmeans = KMeans(n_clusters=2)

# 使用样本数据拟合K-means模型
kmeans.fit(X)

# 打印质心坐标
print(kmeans.cluster_centers_)

在这个示例中，我们首先创建了一个包含样本数据的数组X。然后，我们使用K-means算法创建了一个聚类模型，并将聚类数量设置为2。接下来，我们使用样本数据X来拟合K-means模型。最后，我们打印了聚类模型的质心坐标。

这里的输出将是一个包含两个质心坐标的数组，每个质心都是一个二维数据点。在这个示例中，输出可能是类似于[[1. , 2.], [4. , 2.]]的数组，表示两个质心的坐标分别为(1, 2)和(4, 2)。