sklearn.cluster.AgglomerativeClustering聚类二维点

AgglomerativeClustering是一种层次聚类算法，可以将数据集划分为不同的类别。在二维点聚类的应用中，可以使用AgglomerativeClustering将二维点聚类为不同的群集。

下面是一个使用AgglomerativeClustering聚类二维点的示例代码：

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

# 创建一些随机的二维点
np.random.seed(0)
n_samples = 150
X = np.random.randn(n_samples, 2)

# 使用AgglomerativeClustering进行聚类
agg_clustering = AgglomerativeClustering(n_clusters=3)
agg_clustering.fit(X)

# 绘制聚类结果
plt.scatter(X[:, 0], X[:, 1], c=agg_clustering.labels_)
plt.show()

在上面的代码中，我们首先创建了一些随机的二维点，并将它们存储在一个形状为(n_samples, 2)的NumPy数组中。然后，我们使用AgglomerativeClustering算法将这些点聚类为3个不同的群集，并将结果存储在agg_clustering.labels_属性中。最后，我们使用Matplotlib库绘制了聚类结果。

下图显示了上述代码的输出结果：


可以看到，AgglomerativeClustering算法已将二维点聚类为3个不同的群集。每个群集用不同的颜色表示。