1、将kmeans分为五个聚类，每个聚类的内部数据为一个list，由五个list组成聚类中心。
k=5#聚类中心数 kmeans_model=KMeans(n_clusters=k,n_jobs=4,random_state=123) #并行CPU核的聚类中心数，随机数种子 fit_kmeans=kmeans_model.fit(airline_scale)#模型训练 print(kmeans_model.cluster_centers_)#查看聚类中心 print(kmeans_model.labels_)#查看样本的类别标签
2、label显示每个数据在按kmeans划分后属于哪个聚类。
#统计不同类别样本的数量
r1=pd.Series(kmeans_model.labels_).value_counts()
print('最后，每个类别的数量是：\n',r1)
result=kmeans_model.predict([1.5，1.5，1.5，1.5，1.5，1.51.5]])
print(result)
#在五个参数都是1.5的情况下，最终确定用户属于类别1
3\r1显示每个聚类中的元素数，并测试一组特定特征值的数据将分配到哪个组。以上是Python 使用kmeans聚类，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。