python聚类算法代码

### Python 聚类算法实现代码示例

#### K-Means 聚类算法
K-Means 是一种广泛使用的聚类算法，适用于发现数据中的球形簇。此算法通过迭代优化质心位置来划分样本。

from sklearn.cluster import KMeans
import numpy as np

X = np.array([[1, 2], [1, 4], [1, 0],
              [10, 2], [10, 4], [10, 0]])

kmeans = KMeans(n_clusters=2).fit(X)

print(kmeans.labels_)
print(kmeans.predict([[0, 0], [12, 3]]))
print(kmeans.cluster_centers_)

这段代码展示了如何使用 `sklearn` 的 KMeans 类来进行简单的二维数据聚类[^1]。

#### 层次聚类 (Agglomerative Clustering)
层次聚类是一种自底向上的方法，最初将每个样本视为独立的簇，然后逐步合并最接近的簇直至满足停止条件。

from sklearn.cluster import AgglomerativeClustering

clustering = AgglomerativeClustering(n_clusters=2).fit(X)

print(clustering.labels_)

这里展示的是利用 `sklearn` 提供的功能执行凝聚型层次聚类的例子[^2]。

#### DBSCAN 密度基聚类
DBSCAN 不需要预先设定簇的数量，并能有效处理噪声点。该算法基于密度可达性原则工作。

from sklearn.cluster import DBSCAN

dbscan = DBSCAN(eps=0.3, min_samples=2).fit(X)

print(dbscan.labels_)

上述代码片段说明了怎样应用 DBSCAN 进行聚类分析[^3]。