以前直做网优，现在做建设了，积累的大量数据，自学了Python，机器学习，AI，用这些来从业务角度给4G基站分个类，可用于规划方面（从投资角度，哪些类别的站点更值得投资，而不是从网络质量角度，思路的转变）

我们实际工作中经常要使用各种数据，AI三阶段，收集数据、分析数据、预测未来。利用

Python库可以简单的实现聚类（无监督学习），多说无益，给大家一段我写的代码，自己玩吧。

使用最简单的k-means算法，简单说就是计算各数据维度的欧式距离，然后平均，然后迭代，最后找出最好的聚类。用到几个库。

import numpy as np
from scipy.cluster.vq import vq,kmeans,whiten
import pandas as pd

a1=pd.read_excel('c://python36//站点分类datav2.xlsx')#自己搞表格
data1=a1.loc[:,['用户数/天','4G流量（G）/天']].values#分类维度越高，对计算机要求越高，当然越有意思
whiten=whiten(data1)
centroids,_=kmeans(whiten,3) #分成3类，可以改
re1,_=vq(whiten,centroids)
print(re1)
re1=pd.DataFrame(re1)
output1=pd.merge(a1,result1,left_index=True,right_index=True)
output1.to_excel('output1.xlsx')
print('已输出到output1.xlsx')

#我这就二千多行数据，分类速度还行，前几天搞个用户分类几十万行，电脑太撮，搞一晚上

抛砖引玉，还有其他聚类方法，大家可以讨论，我这还用其他方法对用户进行了聚类，应用很多，欢迎讨论。