W3School TIY Editor

# 这三行代码使编译器能够绘图：

import sys

import matplotlib

matplotlib.use('Agg')

​

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

​

# 定义样本数据：

x = [4, 5, 10, 4, 3, 11, 14, 6, 10, 12]

y = [21, 19, 24, 17, 16, 25, 24, 22, 21, 21]

​

# 组合数据并初始化惯性值列表：

data = list(zip(x, y))

inertias = []  # 存储不同聚类数对应的惯性值

​

# 测试 1 到 10 个聚类数的情况：

for i in range(1, 11):

    kmeans = KMeans(n_clusters=i)  # 创建 K-means 模型

    kmeans.fit(data)  # 训练模型

    inertias.append(kmeans.inertia_)  # 记录当前惯性值

​

# 绘制肘部法则曲线：

plt.plot(range(1,11), inertias, marker='o')

plt.title('肘部法则(Elbow method)')

plt.xlabel('聚类数量')

plt.ylabel('惯性值(Inertia)')

plt.show()

​

# 这两行代码使编译器能够输出图形：

plt.savefig(sys.stdout.buffer)

sys.stdout.flush()