我有一个包含各种变量的数据集。我希望根据数据集的接近程度将数据集分组。然后，将使用回归对已获得的组进行建模。当使用Binary Cuckoo Search优化算法进行选择变量时，就完成了建模。所以我想首先使用聚类（即k-medoid）对数据进行分组。
我有一个Airbnb的Airbnb住宿价格项目。价格领先者是通过使用SVR回归对数据建模来完成的。完成聚类和选择变量后，便完成了建模。 我已经处理了选定的变量。
s，g，l = BCS（Eval_Func =评估，n = 20，m_i = 200） print（“ BCS：\ n \ t {0} {1：.6f} {2} {3：.6f}” .format（“”。join（map（str，g）），s，l，test_score（ g，tr_x，tr_y，te_x，te_y）））
我想从数据集中获取聚类。该群集通过k型和轮廓来实现。然后根据数据集的接近程度将其分组。最终结果是将对聚类结果进行建模的回归模型。