数据分析--kmeans算法

使用K-means算法进行数据聚类

已知数据集(dataforkmeans.txt)共有104个样本数据，每个样本数据包含两个特征x和y。 要求对数据集进行以下聚类分析：

1、读取dataforkmeans.txt文件

2、利用散点图查看数据的分布

3、使用k均值对数据进行聚类：显示聚类结果、聚类中心点

4、使用散点图显示聚类结果

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

data = np.genfromtxt('dataforkmeans.txt', delimiter='      ')
data = data[~np.isnan(data).any(axis=1)]

x = data[:, 0]
y = data[:, 1]

plt.scatter(x, y)
plt.xlabel('Feature X')
plt.ylabel('Feature Y')
plt.title('Scatter Plot of Data')
plt.show()



# 定义要进行的聚类数量
k = 4

kmeans = KMeans(n_clusters=k)
kmeans.fit(data)

# 获取聚类标签
labels = kmeans.labels_

# 获取聚类中心点
cluster_centers = kmeans.cluster_centers_

print("Cluster Labels:", labels)
print("Cluster Centers:", cluster_centers)

plt.scatter(x, y, c=labels)
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], c='red', marker='*', s=100)
plt.xlabel('Feature X')
plt.ylabel('Feature Y')
plt.title('K-means Clustering Results')
plt.show()