python实现k-means算法全部过程

k-means 是一种聚类算法，用于将数据分成 k 个不同的簇。

假设你有一个数据集，包含了 n 个数据点，每个数据点有 m 个特征。首先，你需要随机初始化 k 个质心，每个质心表示一个簇。然后，你需要执行以下步骤，直到质心不再改变或者达到最大迭代次数：

1. 计算每个数据点到每个质心的欧几里得距离，并将每个数据点分配到距离它最近的质心所在的簇中。

2. 重新计算每个簇的质心。

下面是 k-means 的 python 代码实现：

```python from typing import List, Tuple import numpy as np

def kmeans(X: List[List[float]], k: int, max_iter: int) -> Tuple[List[int], List[List[float]]]: """ Perform k-means clustering on the data.

Parameters
----------
X : list of list of float
    The data to cluster, where each element is a data point with m features.
k : int
    The number of clusters.
max_iter : int