グループ分け方法が思いつかず困っています

Question

出力されたデータに対してアプローチ手法を思いつかず困っています。

100個のラベル付されたデータが存在します。
100個のデータについて似通ったものでいくつかのグループに振り分けたいと考えています。
そこで100個のデータ間の類似度(0以上の浮動小数点)を算出しました。
このデータを次にどう処理すればいいのかわからず困っています。

ここまでに使用したのはPython3のnumpyのみです。
解答の方をどうぞよろしくお願いいたします。

Answer 1

どのレベルの回答が必要か分からないのですが…

1. k-means のような手法を1次元でやってみる
2. k-means の代わりに GMM (混合ガウス分布) でやってみる
3. 混合数等の推定が必要なら、AIC 等を使うか、変分ベイズ法のような手法を
4. デンドログラムを作る(クラスター分析)

くらいやってみれば、見えてくると思います。単語だけ挙げましたので、調べてみてください。
scikit-learn にいろいろ入っています。

Answer 2

おそらく、ですが、各データ間の類似度を評価されているので非階層的クラスタリング（k-meansや混合分布モデル）ではなく階層的クラスタリングをされたいのかと思います。

すなわち、

1. 各データ間で類似度を評価する ←今ここ
2. 類似度が高いデータからまとめてクラスターを作成
3. 各クラスターとその他のデータ or クラスターの中で類似度が高いものをまとめてクラスター化
4. 全てのデータが1つのクラスターになるまで続ける

というステップかと思います。

ただ、残念ながらPythonでこれを実現する方法は詳しくないので
（私はRユーザーです）
「Python3」「階層的クラスタリング」
で検索されると良い情報にたどり着けるかと思います。

以上、参考まで。