python 聚类

# 导入必要的库
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

# 生成模拟数据
X, y = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=0)

# 创建KMeans模型并拟合数据
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis')
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.75)
plt.title('KMeans Clustering')
plt.show()

解释说明：

1. 导入库：我们使用 sklearn 中的 KMeans 进行聚类，make_blobs 生成模拟数据，matplotlib 用于可视化。
2. 生成数据：make_blobs 函数生成了 300 个样本点，分为 4 类，每类的标准差为 0.6。
3. 创建和拟合模型：使用 KMeans 创建一个聚类模型，并将其应用于生成的数据。n_clusters=4 表示我们要将数据分为 4 类。
4. 预测和可视化：predict 方法返回每个样本所属的类别标签。最后，我们使用 matplotlib 将聚类结果可视化，其中红色点表示聚类中心。

如果你需要更多帮助或有其他问题，请告诉我！