層次聚類是一種基于距離度量的聚類算法，通過逐步合并最相似的數(shù)據(jù)點或聚類來構建一個聚類樹。Python中可以使用scikit-learn庫中的AgglomerativeClustering來實現(xiàn)層次聚類算法。
以下是一個使用AgglomerativeClustering實現(xiàn)層次聚類的示例代碼：
import numpy as np
from sklearn.cluster import AgglomerativeClustering
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
# 生成隨機數(shù)據(jù)
X, y = make_blobs(n_samples=100, centers=3, random_state=42)
# 使用AgglomerativeClustering進行層次聚類
clustering = AgglomerativeClustering(n_clusters=3)
clustering.fit(X)
# 可視化聚類結果
plt.scatter(X[:, 0], X[:, 1], c=clustering.labels_, cmap='rainbow')
plt.show()
在上面的示例中，首先生成了一個隨機的3類數(shù)據(jù)集，然后使用AgglomerativeClustering指定3個聚類，并對數(shù)據(jù)進行聚類。最后，通過matplotlib庫可視化了聚類結果。
通過調整AgglomerativeClustering的參數(shù)，比如聚類數(shù)目、鏈接方式等，可以進一步優(yōu)化聚類效果。如果需要更多定制化的層次聚類算法，也可以考慮使用SciPy庫中的hierarchical聚類方法。
