分层聚类算法python

可以使用scikit-learn包中的cluster模块来实现分层聚类算法。在其中，AgglomerativeClustering类可以进行层次聚类，它可以通过参数来选择聚类的方法（如ward、complete、average等）、聚类的距离度量（如欧几里得距离、曼哈顿距离等）和聚类的数量等。示例代码如下：

from sklearn.cluster import AgglomerativeClustering
import numpy as np

# 构造数据，共有3个类别，每个类别有4个样本，每个样本有2个特征
X = np.array([[1, 2], [1, 4], [1, 0],
              [4, 2], [4, 4], [4, 0],
              [7, 2], [7, 4], [7, 0]])

# 构造层次聚类对象，聚成3个类别
clustering = AgglomerativeClustering(n_clusters=3)

# 进行聚类
labels = clustering.fit_predict(X)

# 输出聚类结果
print(labels)

该代码将数据分成了3个类别，输出结果为[2 2 2 1 1 1 0 0 0]，表示第1、2、3个样本被分到了类别2，第4、5、6个样本被分到了类别1，第7、8、9个样本被分到了类别0。