多维数据聚类分析与算法性能对比评估

本作品是一套基于无监督学习的数据自动分群与异常检测方案，可广泛应用于客户画像分群、市场细分、业务异常数据清洗等商业场景。

核心功能与业务价值：

多维度数据标准化处理：消除量纲差异，确保模型收敛。

K-Means 聚类：结合“肘部法则”科学评估最佳分类数，实现数据的高效分群。

DBSCAN 密度聚类：针对复杂分布数据，能有效识别并剔除异常噪声点（适合数据清洗场景）。

层次聚类 (Ward)：输出直观的聚类树状图（Dendrogram），展示数据从个体到类别的完整凝聚过程。

模型量化评估：自动计算并对比三种算法的轮廓系数（Silhouette Score），为业务选择最优分类方案。

负责角色：独立完成全部代码编写与算法调优，代码结构清晰，预留了数据接口，可直接替换为真实业务数据运行。