1. 引言

K均值聚类是一种无监督学习方法，用于将数据集分为多个簇。通过计算数据点之间的距离并将它们分配到最近的簇中心，K均值算法可以帮助我们发现数据中的自然结构。

2. 数据集创建

首先，我们使用numpy创建一个自定义的二维数据集：

import numpy as np# 创建一个简单的二维数据集
X = np.array([[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]])

3. 导入K均值并进行聚类

接下来，我们使用scikit-learn中的K均值算法进行聚类。

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt# 使用K均值聚类，设定簇的数量为2
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)# 获取簇的中心和标签
centroids = kmeans.cluster_centers_
labels = kmeans.labels_

4. 可视化结果

为了更好地理解聚类结果，我们可以使用matplotlib来可视化数据点和簇的中心。

# 绘制数据点和簇的中心
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis')# 标出簇的中心
plt.scatter(centroids[:, 0], centroids[:, 1], s=200, c='red', marker='X')
plt.show()

5. 总结

通过K均值聚类，我们成功地将数据集分为两个簇，并通过可视化方式直观展示了聚类结果。K均值算法的核心思想是通过计算点与簇中心的距离进行分组，并不断迭代优化簇的中心位置。