吴恩达机器学习-给一个二维数据集，使用k-means进行聚类

代码：
 

import numpy as np
import scipy.io as sio
import matplotlib.pyplot as plt

# 获取数据
data1=sio.loadmat('ex7data2.mat')
print(data1.keys())
X=data1['X']#(300,2)

# 初始数据可视化
plt.scatter(X[:,0],X[:,-1])
plt.show()

# 获取每个样本所属类别
def find_sentroids(X,centros):
    idx=[]
    for i in range(len(X)):
        #X[i]是一个(2,)的一维数组,centros是（k,2），然后有个扩充广播机制最后相减是一个(k,2)维度
        dist=np.linalg.norm((X[i]-centros),axis=1)#(k,)
        id_i=np.argmin(dist)
        idx.append(id_i)
    return np.array(idx)
centros=np.array([[3,3],[6,2],[8,5]])
idx=find_sentroids(X,centros)

# 计算聚类中心点
def compute_centros(X,idx,k):
    centros=[]