首先使用scikit-learn实现K-means聚类，通过make_blobs生成300个样本的模拟数据，设置4个簇；接着构建KMeans模型并用fit_predict获得聚类标签；然后用matplotlib可视化聚类结果与簇中心；最后通过肘部法绘制不同K值对应的惯性值，选择拐点确定最优簇数；若特征量纲差异大，需先标准化处理。
在Python中使用K-means算法进行聚类分析非常常见，尤其适用于无监督学习任务。该算法通过将数据划分为K个簇，使得每个数据点归属于离其最近的簇中心，从而实现数据的自动分组。下面介绍如何使用scikit-learn库实现K-means算法，并给出关键步骤和代码示例。
导入必要的库
进行K-means聚类前，需要导入常用的科学计算和数据可视化库：
- import numpy as np
- import matplotlib.pyplot as plt
- from sklearn.cluster import KMeans
- from sklearn.datasets import make_blobs
生成或加载数据
K-means适用于数值型特征数据。可以使用sklearn生成模拟数据来测试算法效果：
- X, _ = make_blobs(n_samples=300, centers=4, cluster_std=0.6, random_state=0)
这行代码生成了包含300个样本、4个中心的数据集，适合用于聚类演示。
立即学习“Python免费学习笔记（深入）”；
构建并训练K-means模型
指定簇的数量K（这里设为4），然后拟合模型：
- kmeans = KMeans(n_clusters=4, random_state=0)
- y_pred = kmeans.fit_predict(X)
fit_predict方法会返回每个样本所属的簇标签。
可视化聚类结果
使用matplotlib绘制数据点和簇中心，便于观察聚类效果：
- plt.scatter(X[:, 0], X[:, 1], c=y_pred, cmap='viridis')
- plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c='red', marker='x', label='Centroids')
- plt.legend()
- plt.title("K-means Clustering Result")
- plt.show()
选择最优K值（肘部法）
实际应用中K值通常未知，可以通过“肘部法”确定较优的簇数量：
- inertias = []
- for k in range(1, 10):
- kmeans = KMeans(n_clusters=k, random_state=0)
- kmeans.fit(X)
- inertias.append(kmeans.inertia_)
- plt.plot(range(1, 10), inertias, marker='o')
- plt.xlabel('Number of Clusters (k)')
- plt.ylabel('Inertia')
- plt.title('Elbow Method for Optimal k')
- plt.show()
选择“拐点”处的K值作为最佳聚类数。
基本上就这些。只要数据合适，K-means实现起来不复杂但容易忽略标准化和K值选择的问题。如果特征量纲差异大，建议先用StandardScaler进行归一化处理。
