用途：对表格数据做聚类分析，支持客户分群、模式发现与数据分组，并提供评估与可视化。
主要能力：K-Means（含肘部法选最优簇数）、DBSCAN（密度聚类，可识别噪声点）、层次聚类（凝聚式，可画树状图）；评估含轮廓系数与簇统计；可视化含 2D/3D 散点、树状图、肘部曲线、轮廓图；可导出带 cluster_label 的标注数据。
使用方式：Python 中 from clustering_analyzer import ClusteringAnalyzer，用 load_csv 或 load_dataframe 载入数据，再调用 kmeans、dbscan、hierarchical 等方法；也可用命令行，例如 python clustering_analyzer.py --input data.csv --method kmeans --clusters 3，支持 --find-optimal、--eps、--min-samples、--plot、--output、--columns 等参数。
适用场景：客户细分、交易异常检测（DBSCAN 噪声点）、文档聚类（需先做 TF-IDF 转换）等。
限制：资料未提供安装方式、许可、价格与平台支持信息；工具会自动做缺失值填补、标准化与 PCA 降维，如需自定义预处理可先用 StandardScaler 处理再载入。依赖 scikit-learn>=1.3.0、pandas>=2.0.0、numpy>=1.24.0、matplotlib>=3.7.0、scipy>=1.10.0。