### 使用 Python 实现聚类算法 #### 安装必要的库 为了执行聚类分析，需要先安装 `scikit-learn` 和其他辅助库。可以通过 pip 来完成这些依赖项的安装[^1]。 ```bash pip install numpy pandas matplotlib scikit-learn seaborn ``` #### 导入所需模块并准备数据集 下面展示了导入所需的 Python 库，并创建一个合成的数据集来演示不同的聚类方法： ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans, AgglomerativeClustering, DBSCAN from sklearn.datasets import make_blobs from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA import seaborn as sns # 创建模拟数据集 X, y_true = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=0) # 数据标准化处理 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) ``` #### 执行多种类型的聚类算法 这里提供了三种常见的聚类算法——K均值(K-Means)，层次聚类(Agglomerative Clustering)和密度基空间聚类(DBSCAN) 的具体实现方式: ##### K 均值 (K-Means) 聚类 这是一种简单而广泛使用的划分型聚类方法: ```python kmeans = KMeans(n_clusters=4) y_kmeans = kmeans.fit_predict(X_scaled) plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis') centers = kmeans.cluster_centers_ plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.75); plt.title('K-means clustering'); plt.show(); ``` ##### 层次聚类 (Agglomerative Clustering) 这种方法属于凝聚型层次聚类法之一: ```python agg_clust = AgglomerativeClustering(n_clusters=4) y_aggclust = agg_clust.fit_predict(X_scaled) plt.figure(figsize=(8, 6)) sns.scatterplot(x=X[:, 0], y=X[:, 1], hue=y_aggclust, palette=sns.color_palette("hls", n_colors=4), legend="full"); plt.title('Hierarchical clustering'); plt.show(); ``` ##### 密度基空间聚类 (DBSCAN) 该算法能够识别任意形状的簇，并且可以自动决定最佳数量的簇数: ```python dbscan = DBSCAN(eps=0.3, min_samples=10) y_dbscan = dbscan.fit_predict(X_scaled) unique_labels = set(y_dbscan) colors = [plt.cm.Spectral(each) for each in np.linspace(0, 1, len(unique_labels))] for k, col in zip(unique_labels, colors): if k == -1: # 黑色用于噪声点 col = [0, 0, 0, 1] class_member_mask = (y_dbscan == k) xy = X[class_member_mask] plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markersize=6) plt.title('Density-based spatial clustering'); plt.show(); ``` 通过上述代码片段可以看出，在实际应用过程中可以根据需求选择合适的聚类模型来进行数据分析工作。值得注意的是，不同场景下可能适合采用不同类型或者参数设置下的聚类算法；因此建议尝试多个选项找到最适合当前任务的方法。