鸢尾花(iris)数据集Kmeans算法代码

下面是使用Python实现Kmeans算法对鸢尾花数据集进行聚类的代码：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

# 加载数据集
iris = load_iris()
X = iris.data

# 构建Kmeans模型
kmeans = KMeans(n_clusters=3, random_state=0)

# 拟合数据
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 打印聚类结果
print(labels)

在上述代码中，我们首先使用`load_iris`函数加载鸢尾花数据集，并将其保存在`X`中。然后，我们使用`KMeans`函数构建Kmeans模型，并指定`n_clusters`参数为3，表示要将数据聚成3类。接着，我们使用`fit`方法拟合数据，并使用`labels_`属性获取聚类结果。最后，我们打印聚类结果。

需要注意的是，在实际应用中，我们通常需要对数据进行归一化处理，以避免某些特征对距离的影响过大。另外，对于不同的数据集和问题，我们需要根据实际情况选择不同的聚类算法和参数。