就是用python语言对D:\wjd这个路径下的数据集Ag,Al,Cu,Au,W,V,Ta,Mo各个文件夹进行无监督分类，分成两大类，一个是FCC，一个是BCC，一定要是无监督

好的，下面是一个无监督聚类的Python程序，可以对D:\wjd路径下的数据集Ag,Al,Cu,Au,W,V,Ta,Mo各个文件夹进行聚类，分成FCC和BCC两大类。该程序使用KMeans聚类算法进行聚类，KMeans算法是一种常见的无监督聚类算法。

请用文本编辑器打开一个新文件，将以下代码复制并粘贴到文件中，保存为.py文件，然后在命令行中运行该程序即可。

import os
import numpy as np
from sklearn.cluster import KMeans

# 定义FCC和BCC元素
fcc_elements = ['Ag', 'Cu', 'Au']
bcc_elements = ['Al', 'W', 'V', 'Ta', 'Mo']

# 定义数据集和标签
X = []
labels = []

# 读取数据
for element in fcc_elements:
    dir_path = os.path.join('D:\wjd', element)
    for file_name in os.listdir(dir_path):
        file_path = os.path.join(dir_path, file_name)
        data = np.loadtxt(file_path)
        X.append(data)
        labels.append(0)

for element in bcc_elements:
    dir_path = os.path.join('D:\wjd', element)
    for file_name in os.listdir(dir_path):
        file_path = os.path.join(dir_path, file_name)
        data = np.loadtxt(file_path)
        X.append(data)
        labels.append(1)

# 进行KMeans聚类
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
predicted_labels = kmeans.labels_

# 输出聚类结果
for i in range(len(predicted_labels)):
    if predicted_labels[i] == 0:
        print('FCC', labels[i])
    else:
        print('BCC', labels[i])

该程序先定义了FCC和BCC元素列表，然后读取每个元素对应的文件夹中的数据文件，并将它们按照元素分别存储在X列表中，标签存储在labels列表中。接着使用KMeans聚类算法进行聚类，将数据分成FCC和BCC两类，并输出聚类结果。程序使用了Python内置的os模块和第三方库numpy和sklearn，numpy用于读取数据文件，sklearn用于聚类算法的实现。程序运行时需要将路径改为实际路径。