Kmeans毫无疑问，好用又“便宜”的算法，经常在很多轻量化场景中实现。所谓的“聚类”（Clustering），就是通过欧氏距离找哪些点构成一个簇。假设我们空间中有一堆点，通过肉眼大概可以看出有两簇，思考：我们怎么决定哪些点属于哪一簇，以及每簇的中心分别是什么？

那我们可以直接用sklearn的工具进行计算：

import numpy as np
from sklearn.cluster import KMeans

a = np.load("pts.npy")
kmeans = KMeans(n_clusters=2, random_state=0, n_init=2).fit(a)
print(kmeans.labels_) # each point belongs to which cluster
print(kmeans.cluster_centers_) # cluster center

根据这个简短的脚本，我们可以计算出kmeans的两个聚类中心的坐标，我们把两个中心附近的点都标成红色， 便可以看到很明显的中心效果：