高斯混合模型聚类python代码

高斯混合模型（Gaussian Mixture Model，GMM）聚类是一种基于概率模型的聚类算法。以下是一个使用GMM进行聚类的Python代码示例：

from sklearn.mixture import GaussianMixture
import numpy as np

# 生成数据
X = np.random.rand(100, 2)

# 进行聚类
gmm = GaussianMixture(n_components=2, random_state=0).fit(X)

# 获取聚类结果
labels = gmm.predict(X)

在上述代码中，首先通过`np.random.rand()`生成一个随机数据集`X`，然后使用GMM进行聚类。在GMM中，`n_components`参数表示要拟合的高斯分布数量。

聚类结果通过`predict`方法获取，其中每个样本点的标签表示其所属的聚类簇。

请注意，具体的参数设置可能需要根据具体问题进行调整，例如选择合适的高斯分布数量。