使用NumPy实现K-Means聚类算法

K-Means聚类算法是一种常用的无监督学习算法，用于将数据集划分为K个不同的簇。在本文中，我们将使用Python中的NumPy库来实现K-Means聚类算法，并提供相应的源代码。

K-Means算法的基本思想是通过迭代的方式将数据点分配到最近的质心（簇中心），然后更新质心的位置。这个过程会不断迭代，直到质心的位置不再改变或达到预定的迭代次数。下面是使用NumPy实现K-Means算法的步骤：

1. 初始化质心：从数据集中随机选择K个数据点作为初始质心。

2. 分配数据点：对于每个数据点，计算它与所有质心之间的距离，并将其分配到距离最近的质心所对应的簇。

3. 更新质心：对于每个簇，计算该簇中所有数据点的均值，将均值作为新的质心位置。

4. 重复步骤2和3，直到质心的位置不再改变或达到预定的迭代次数。

下面是使用NumPy实现K-Means聚类算法的Python代码：

import numpy as np

def k