机器学习对航空公司客户价格进行聚类分析的代码

以下是一个基于Python的聚类分析代码示例，可以用于航空公司客户价格的聚类分析：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

# 读取数据
data = pd.read_csv('airline_data.csv')

# 数据预处理
X = data.iloc[:, 1:].values
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 使用KMeans算法进行聚类分析
kmeans = KMeans(n_clusters=3, init='k-means++', random_state=42)
kmeans.fit(X_scaled)

# 输出聚类结果
clusters = kmeans.predict(X_scaled)
data['Cluster'] = clusters

# 输出每个簇的平均价格
cluster_means = pd.DataFrame(columns=['Cluster', 'Price Mean'])
for i in range(3):
    mean = np.mean(data[data.Cluster == i]['Price'])
    cluster_means = cluster_means.append({'Cluster': i, 'Price Mean': mean}, ignore_index=True)
print(cluster_means)

其中，airline_data.csv是包含航空公司客户价格数据的文件，第一列为客户ID，后面的列为不同服务项目的价格。代码首先读取数据，然后使用StandardScaler进行数据标准化处理。接着，使用KMeans算法进行聚类分析，将数据分为3类。最后，输出每个簇的平均价格。