编写程序生成3簇高斯数据，并用K-Means算法进行聚类

Question

今天上课学校留的实践代码，搞不太懂，下面是具体要求和我写的代码，应该有错误，求大家指正教导。
编写程序生成3簇高斯数据，并用K-Means算法进行聚类。
1.生成聚类中心为[(-10, 10), (0, -5), (10, 5)]的球状数据，共5000个数据点，每个类别方差为2，并要求每次运行结果一致。
2.生成分类数据集（make_classification），共5000个数据点，10个特征，分类类别为3，某一类别由1个cluster组成，并要求每次运行结果一致。
3.绘制出上述两类数据。
4.用K-Means算法对上述两类数据进行聚类并显示聚类结果。

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs, make_classification

#X为样本特征，y为样本簇类别，共5000个样本，共3个簇，簇中心在[(-10, 10), (0, -5), (10, 5)]，簇方差为2，random_state是随机种子，为使每次运行结果一致，我指定random_state=1
X,y = make_blobs(n_samples=5000, centers=[(-10, 10), (0, -5), (10, 5)], cluster_std=2,random_state=1)
plt.scatter(X[:,0], X[:,1], marker='o')
plt.show()
#用K-Means聚类方法来做聚类，选择k=3
y_pred = KMeans(n_clusters=3, random_state=1).fit_predict(X)
#画图 c=target代表不同簇不同颜色，marker='o'是用来指定数据的显示形状
plt.scatter(X[:,0],X[:,1], c=y_pred, marker='o')
plt.show()
#X为样本特征，y为样本簇类别，共5000个数据点，10个特征，分类类别为3，某一类别由1个cluster组成
X,y = make_classification(n_samples=5000,n_features=10,n_classes=3,n_clusters_per_class=1,random_state=1)
plt.scatter(X[:,0], X[:,1], marker='o')
plt.show()
#用K-Means聚类方法来做聚类，选择k=3
y_pred = KMeans(n_clusters=3, random_state=1).fit_predict(X)
#画图 c=target代表不同簇不同颜色，marker='o'是用来指定数据的显示形状
plt.scatter(X[:,0],X[:,1], c=y_pred, marker='o')
plt.show()

Answer 1

你好，我是有问必答小助手，非常抱歉，本次您提出的有问必答问题，技术专家团超时未为您做出解答


本次提问扣除的有问必答次数，将会以问答VIP体验卡（1次有问必答机会、商城购买实体图书享受95折优惠）的形式为您补发到账户。


因为有问必答VIP体验卡有效期仅有1天，您在需要使用的时候【私信】联系我，我会为您补发。