安装sklearn需要的库请全部在万能仓库下载：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

http://www.lfd.uci.edu/~gohlke/pythonlibs/#matplotlib

http://www.lfd.uci.edu/~gohlke/pythonlibs/#scikit-learn

安装方法请看：

python安装whl文件

安装成功后测试集代码：#!/usr/bin/python3.4

# -*- coding: utf-8 -*-

import numpy as np

import matplotlib.pyplot as plt

# 随机生成一个实数，范围在（0.5,1.5）之间，2行10列

cluster1 = np.random.uniform(0.5, 1.5, (2, 10))

cluster2 = np.random.uniform(3.5, 4.5, (2, 10))

cluster3 = np.random.uniform(2, 3, (2, 10))

# hstack拼接操作

X = np.hstack((cluster1, cluster2,cluster3)).T

print(X)

# 生成第一张图

plt.figure(1)

# 横轴为0-5，纵轴为0-5

plt.axis([0, 5, 0, 5])

# 是否有网格

plt.grid(True)

# x轴文字

plt.xlabel('x轴文字')

# y轴文字

plt.ylabel('y轴文字')

# K为黑色，k.为黑色的点

# [:,0]代表全部行第0列

plt.plot(X[:, 0], X[:, 1], 'k.')

# 给个标题

plt.title("1111")

# plt.show()

from sklearn.cluster import KMeans

# 用scipy求解距离

from scipy.spatial.distance import cdist

K = range(1, 10)

meandistortions = []

for k in K:

kmeans = KMeans(n_clusters=k)

kmeans.fit(X)

meandistortions.append(sum(np.min(

cdist(X, kmeans.cluster_centers_,

'euclidean'), axis=1)) / X.shape[0])

# 生成第二张图

plt.figure(2)

# 横轴为1-9，纵轴为0-2.5

plt.axis([1, 9, 0, 2.5])

plt.plot(K, meandistortions, 'bx-')

plt.xlabel('k')

plt.show()

plt.close()

效果如下：

画图的库 matplotlib 使用方法请参考：http://www.cnblogs.com/zhizhan/p/5615947.html