根据下面的网站进行的学习

https://work.datafountain.cn/forum?id=67&type=2

一般情况下拿到数据进行分析，首先要对数据进行预处理，根据经典的特征工程选取相应的特征向量，前几步一般都是一样的，然后进行模型训练与数据预测，最后进行决策分析。

首先要导入一些机器学习的包，要好好学习这些库的使用方法哦。

一、首先要导入数据，读取数据，

当然也要检查数据是否有重复的或者缺失的

删除有缺失的数据

二、开始进行特征工程，选取那些必要特征进行分析，这些特征的选取要根据经验，哈哈哈

选取了这五个特征，并给他们赋予了新的列名

特征选取完成后要对这些特征进行标准化处理，因为，为使每个特征对整体的影响权重差不多

标准化完成后，要进行数据训练了，用聚类中的k-means方法，这个会产生聚类中心，根据聚类中心的数据，然后画雷达图，进行分析

训练完成后，主要是以每一类聚类中心的数据进行，画雷达图，雷达图一般要用pyecharts进行画雷达图，但还没有学会，用了一种比较笨的方法画雷达图。一个一个的画出来，然后进行拼接。

差不多就是这样。

然后再用层次聚类的方法画雷达图，层次聚类的方法没有聚类中心，所以要自己去找聚类中心，训练完成后，要找出每一类的数据，然后取平均算做每一类的聚类中心点，这样就可以画雷达图了，

因为电脑跑不起来，，，所以只选了一千个数据进行训练，采用的曼哈顿距离方法

 查看分类情况

第一类求出的聚类中心

a=np.mean(x0,axis=0)

然后把这五类连接起来。然后画雷达图。

谱系聚类的，也要先找聚类中心，然后和层次聚类打开