下面是一个使用贝叶斯层次聚类的代码示例：

import numpy as np
from sklearn.cluster import AgglomerativeClustering
from sklearn.datasets import make_blobs

def bayesian_hierarchical_clustering(X, n_clusters):
    # 创建一个贝叶斯层次聚类模型
    model = AgglomerativeClustering(n_clusters=n_clusters)
    
    # 使用fit_predict方法进行聚类
    labels = model.fit_predict(X)
    
    return labels

# 创建一个示例数据集
X, _ = make_blobs(n_samples=100, centers=3, cluster_std=1, random_state=0)

# 使用贝叶斯层次聚类进行聚类
labels = bayesian_hierarchical_clustering(X, n_clusters=3)

# 打印每个样本的类别标签
print(labels)

这个示例代码使用make_blobs函数创建了一个包含3个簇的数据集。然后，bayesian_hierarchical_clustering函数使用AgglomerativeClustering模型进行贝叶斯层次聚类，并返回每个样本的类别标签。最后，通过打印labels数组，可以查看每个样本的类别标签。