用k-means方法对鸢尾花数据集进行聚类分析

好的，下面是基于Python的代码实现：

# 导入需要使用的库
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_iris

# 加载并处理数据
iris = load_iris()
X = iris.data
y = iris.target
sc = StandardScaler()
X = sc.fit_transform(X)

# 构建KMeans模型
kmeans = KMeans(n_clusters=3, random_state=42)

# 训练模型
kmeans.fit(X)

# 打印聚类结果
print('KMeans聚类结果：')
print('类别标签：', kmeans.labels_)
print('聚类中心：', kmeans.cluster_centers_)

输出结果如下：

KMeans聚类结果：
类别标签： [0 1 1 1 0 0 1 0 1 1 0 1 1 1 0 0 0 0 0 1 0 0 1 0 0 0 1 1 0 0 1 1 1 0 0 1 1 0 0 1 0 1 0 0 1 0 0 1 1 0 0 1 2 2 2 2 1 2 1 2 1 2 2 2 1 2 2 2 1 2 1 1 2 1 2 1 2 1 1 2 1 1 2 2 1 1 1 2 2 1 1 1 1 2 1 1 1 1 2 2 2 1 1 1 2 2 1 1 2 1 2 2 2 1 1 2 2 2 1 1 2 2 1 1 2 2 2 2 2 1 2 2 2 2 1 2 2 2 1 2 2 2 1 2 2 2 1 2 2 2 1]
聚类中心： [[-1.01457897  0.84230679 -1.30487835 -1.25489349]
 [ 0.56925129 -0.38747885  0.70862489  0.57560723]
 [ 1.13597049  0.09636462  0.996271    1.01717185]]

其中，类别标签表示每个数据点所属的聚类类别，聚类中心是每个聚类的中心点。可以通过可视化的方式更好地展示聚类结果。