Kmeans实现数据聚类

基于数据源，建立Kmeans模型，实现数据聚类。

流程：

1、数据加载及展示；

2、数据预处理；

3、模型建立与训练；

4、模型预测；

5、结果展示及表现评估。

任务

1、k=2时，实现数据聚类，可视化聚类结果，聚类中心；

2、已经第一个样本点X1=82,X2=63属于类别，对已聚类进行矫正；

3、基于数据2建立KNN模型，思考与其聚类模型对比；

4、修改Kmeans迭代次数与初始化参数，查看模型迭代过程中的结果变化。

代码实现：

#数据加载
import pandas as pd
import numpy as np
data = pd.read_csv('task1_data1.csv')
data_result = pd.read_csv('task1_data2.csv')
data.head()

#获取唯一一个有标签的数据点 命名为X_labeled
X_labeled = data.iloc[0,:]

#X 赋值
X = data.drop(['y'],axis=1)
X.head()