聚类分析python

聚类分析是一种无监督学习方法，用于将数据集中的样本分成不同的组或簇。Python中有几个常用的库可以进行聚类分析，包括scikit-learn和numpy。

在scikit-learn库中，可以使用K-means算法进行聚类分析。K-means算法将数据样本分为K个簇，其中K是一个预先定义的数值。以下是一个使用scikit-learn进行K-means聚类分析的示例代码：

from sklearn.cluster import KMeans
import numpy as np

# 创建数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建K-means模型并进行训练
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

# 获取聚类结果
labels = kmeans.labels_
centroids = kmeans.cluster_centers_

# 打印结果
print("聚类结果：", labels)
print("聚类中心点：", centroids)

在上述代码中，我们首先创建了一个包含6个样本的二维数据集X。然后，我们使用KMeans类创建了一个K-means模型，并将其应用于数据集X。最后，我们可以通过labels属性获取每个样本的聚类标签，并通过cluster_centers_属性获取各个簇的中心点。

除了K-means算法，scikit-learn还提供了其他一些聚类算法，如DBSCAN和层次聚类。你可以根据具体的需求选择合适的算法进行聚类分析。

希望对你有所帮助！