python实现k-means聚类

#coding:utf-8
‘‘‘
Created on 2016/4/25

@author: Gamer Think
‘‘‘
import numpy as np      #科学计算包
import matplotlib.pyplot as plt      #python画图包

from sklearn.cluster import KMeans       #导入K-means算法包
from sklearn.datasets import make_blobs

plt.figure（figsize=（12 12））

‘‘‘
make_blobs函数是为聚类产生数据集
产生一个数据集和相应的标签
n_samples:表示数据样本点个数默认值100
n_features:表示数据的维度，默认值是2
centers:产生数据的中心点，默认值3
cluster_std：数据集的标准差，浮点数或者浮点数序列，默认值1.0
center_box：中心确定之后的数据边界，默认值（-10.0 10.0）
shuffle ：洗乱，默认值是True
random_state:官网解释是随机生成器的种子
更多参数即使请参考：http://scikit-learn.org/dev/modules/generated/sklearn.datasets.make_blobs.html#sklearn.datasets.make_blobs
‘‘‘
n_samples =1500
random_state = 2200
X y = make_blobs（n_samples=n_samples random_state=random_state）




# Incorrect number of clusters
y_pred = KMeans（n_clusters=8 random_state=random_state）.fit_predict（X）
print（max（y_pred））
plt.subplot（221）  #2行2列第三个图
plt.scatter（X[: 0] X[: 1] c=y_pred） #scatter绘制散点
plt.title（“Incorrect Number of Blobs“）   #加标题

# Anisotropicly distributed d