聚类算法API初步使用

聚类算法是一种无监督学习方法，用于将数据集分成自然分组或簇，每个簇内的数据点相似度较高，而不同簇之间的差异较大。在Python中，有许多库提供聚类功能，比如scikit-learn就是一个常用的工具。

如果你想要使用Scikit-learn API进行聚类，首先需要安装这个库（如果尚未安装，可以使用pip install scikit-learn命令）。以下是基本步骤：

1. 导入库和数据预处理：导入`sklearn.cluster`模块，然后对数据进行必要的清洗、标准化或降维，如PCA等。

from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

# 加载数据
data = ...  # 这里假设你已经有了数据

# 数据预处理
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)

2. 初始化并运行聚类：选择合适的聚类算法（如K-means），指定所需的簇数，并运行算法。

kmeans = KMeans(n_clusters=3)  # 假设你想找3个簇
kmeans.fit(scaled_data)
labels = kmeans.labels_  # 获取每个样本的聚类标签
centroids = kmeans.cluster_centers_  # 获取每个簇的中心点

3. 可视化结果：通过散点图展示数据点及其所属的簇。

import matplotlib.pyplot as plt
plt.scatter(scaled_data[:, 0], scaled_data[:, 1], c=labels)
plt.scatter(centroids[:, 0], centroids[:, 1], s=300, c='red')
plt.show()