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()