K-means

题目：随机生成3000个数，并对这3000个数进行K-means聚类，并对聚类的簇进
行可视化（不同类簇的点用不同的颜色表示），调整K的取值(k=2,3,4,5),观
观察簇的分类。并根据参数inertia和轮廓系数评估K的取值
第一步：随机生成3000个数

X,y=make_blobs(n_samples=3000,n_features=2,random_state=24)

第二步：定义可视化函数

def plot_clusters(X,y=y):
    plt.scatter(X[:,0],X[:,1],c=y,s=1)
    plt.xlabel("$x_1$",fontsize=14)
    plt.ylabel("$x_2$",fontsize=14,rotation=0)

注：plt.scatter(X[:,0],X[:,1],c=y,s=1)：使用scatter函数绘制散点图。其中，X[:,0]和X[:,1]分别表示样本点的x和y坐标，c=y表示使用y数组中的值来设置散点的颜色（不同的聚类标签对应不同的颜色），s=1表示散点的大小。

第三步： 遍历不同的k值，计算inertia和轮廓系数

inertia_values&#