175IC_5.3

from copy import deepcopy
import numpy
from matplotlib import pyplot
import random
import math
import seaborn
from sklearn.cluster import KMeans
from sklearn import datasets
from sklearn.datasets import make_blobs

X, temp = make_blobs(n_samples=200, centers=30)
# n_samples określa    liczbę punktów
# centers   liczbę centrów
# X zawiera listę  punktów
# y centra, do  jakiego należy punkt   podczas generowania (nie    trzeba  z   nich    korzystać  podczas działania  tego    programu)   -
km = KMeans(
    n_clusters=3, init='random',
)
temp_km = km.fit_predict(X)
#print(temp_km)
pyplot.scatter(
    km.cluster_centers_[:, 0], km.cluster_centers_[:, 1],
    s=200, marker='o',
    c='black', edgecolor='black',
    label='Centra klastrow'
)

pyplot.scatter(
    X[temp_km == 0,0], X[temp_km == 0, 1],
    c="red",
    label="Klaster 1"
)
pyplot.scatter(
    X[temp_km == 1,0], X[temp_km == 1, 1],
    c="blue",
    label="Klaster 2"
)
pyplot.scatter(
    X[temp_km == 2,0], X[temp_km == 2, 1],
    c="pink",
    label="Klaster 3"
)
pyplot.show()