python实现聚类算法

Python中有很多用于聚类的库，其中比较常用的是scikit-learn和numpy。

以下是一些常见的聚类算法的Python实现：

1. K-Means聚类算法

from sklearn.cluster import KMeans

# 创建KMeans对象
kmeans = KMeans(n_clusters=3, random_state=0)

# 训练模型
kmeans.fit(X)

# 预测
labels = kmeans.predict(X)

2. 层次聚类算法

from scipy.cluster.hierarchy import dendrogram, linkage

# 创建层次聚类对象
Z = linkage(X, 'ward')

# 绘制树状图
dendrogram(Z)

# 获取聚类结果
labels = fcluster(Z, 3, criterion='maxclust')

3. DBSCAN聚类算法

from sklearn.cluster import DBSCAN

# 创建DBSCAN对象
dbscan = DBSCAN(eps=0.5, min_samples=5)

# 训练模型
dbscan.fit(X)

# 获取聚类结果
labels = dbscan.labels_

4. GMM聚类算法

from sklearn.mixture import GaussianMixture

# 创建GMM对象
gmm = GaussianMixture(n_components=3, covariance_type='full')

# 训练模型
gmm.fit(X)

# 获取聚类结果
labels = gmm.predict(X)

以上是一些常见的聚类算法的Python实现，使用时需要根据具体情况选择合适的算法和参数。