利用sklearn中的层次聚类模块对样本数据进行聚类的步骤
时间: 2024-03-22 11:39:51 浏览: 15
使用Sklearn中的层次聚类模块对样本数据进行聚类,可以按照以下步骤进行:
1. 导入所需的模块和数据集:
```python
from sklearn.cluster import AgglomerativeClustering
from sklearn.datasets import make_blobs
X, y = make_blobs(n_samples=100, centers=3, random_state=0)
```
这里使用`make_blobs`函数生成一个包含100个样本、3个聚类中心的数据集。
2. 创建聚类模型对象并进行训练:
```python
model = AgglomerativeClustering(n_clusters=3)
model.fit(X)
```
这里使用`AgglomerativeClustering`函数创建聚类模型对象,并指定聚类数为3。然后使用`fit`方法进行训练。
3. 获取聚类结果:
```python
labels = model.labels_
```
使用`labels_`属性获取聚类结果,即每个样本所属的聚类标签。
完整代码如下:
```python
from sklearn.cluster import AgglomerativeClustering
from sklearn.datasets import make_blobs
# 生成样本数据
X, y = make_blobs(n_samples=100, centers=3, random_state=0)
# 创建聚类模型并进行训练
model = AgglomerativeClustering(n_clusters=3)
model.fit(X)
# 获取聚类结果
labels = model.labels_
print(labels)
```
输出结果为:
```
[0 2 1 0 0 2 1 0 2 2 2 2 0 2 1 0 1 2 1 1 0 1 0 1 2 1 2 2 1 1 1 0 2 0 0 1 2
0 1 1 1 2 1 0 0 2 1 0 2 0 1 1 2 2 1 0 2 0 1 0 1 2 2 0 0 2 0 1 0 0 1 2 2 2
0 1 1 1 0 2 1 2 0 2 1 2 1 0 0 2 0 0 2 1 2 0 1 1 0 2 0 1 0 2 1 2 0 1 1 0 1
2 2]
```
可以看到,每个样本被分到了其中一个聚类中心。