系统聚类分析实例python

系统聚类分析是一种无监督学习技术，它用于将数据集中的对象分组成相似的组，也就是我们通常所说的“簇”。Python中有许多库可以实现这个过程，比如scikit-learn就是其中一个常用的选择。

一个简单的系统聚类分析实例，我们可以使用K-means算法，步骤如下：

1. 导入必要的库：

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

2. 准备示例数据，比如二维的鸢尾花数据集（Iris dataset）：

from sklearn.datasets import load_iris
data = load_iris().data

3. 创建KMeans模型并指定簇的数量：

kmeans = KMeans(n_clusters=3)

4. 拟合数据：

kmeans.fit(data)

5. 获取簇标签和中心点：

labels = kmeans.labels_
centroids = kmeans.cluster_centers_

6. 可视化结果：

plt.scatter(data[:, 0], data[:, 1], c=labels, cmap='viridis')
plt.scatter(centroids[:, 0], centroids[:, 1], s=300, c='red', alpha=0.5)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

在这个例子中，我们根据两个特征对鸢尾花进行了聚类，并通过散点图展示了结果。