使用SKlearn模块实现层次聚类算法的代码

以下是使用SKlearn模块实现层次聚类算法的代码示例：

from sklearn.cluster import AgglomerativeClustering
import numpy as np

# 创建一个样本数据集
X = np.array([[0.5, 1], [1, 1.5], [2, 2], [2, 3], [2.5, 2.5], [3, 1]])

# 创建一个层次聚类模型
model = AgglomerativeClustering(n_clusters=2)

# 训练模型并进行聚类
y = model.fit_predict(X)

# 输出聚类结果
print(y)

在上面的代码中，我们首先导入了AgglomerativeClustering类，它是SKlearn中实现层次聚类算法的类。然后我们创建了一个样本数据集X，它包含了6个二维样本点。接着我们创建了一个层次聚类模型，并将聚类数设置为2。最后我们使用模型的fit_predict方法对数据进行聚类，并将聚类结果输出到控制台。

需要注意的是，SKlearn的层次聚类算法默认使用的是最长距离法（complete linkage），这意味着在合并簇的过程中会选择两个簇之间距离最大的两个样本点进行合并。如果需要使用其他的合并方法，可以通过修改模型的linkage参数来实现