K-Means算法鸢尾花数据集

K-Means算法是一种常用的聚类算法，用于将数据集分成K个簇。鸢尾花数据集（Iris dataset）是机器学习中常用的经典数据集，包含150个样本，每个样本有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。每个样本属于三种鸢尾花中的一种：Setosa、Versicolour和Virginica。

以下是使用K-Means算法对鸢尾花数据集进行聚类的步骤：

1. **数据预处理**：
- 加载数据集。
- 标准化或归一化数据，以确保每个特征对聚类结果的贡献是均衡的。

2. **选择K值**：
- 确定要分的簇的数量K。对于鸢尾花数据集，K=3，因为有三种不同的鸢尾花。

3. **初始化质心**：
- 随机选择K个样本作为初始质心。

4. **迭代过程**：
- 分配：将每个样本分配到最近的质心，形成K个簇。
- 更新：重新计算每个簇的质心，即簇内所有样本的平均值。
- 重复上述步骤，直到质心不再变化或达到最大迭代次数。

5. **评估聚类结果**：
- 使用轮廓系数（Silhouette Coefficient）等指标评估聚类效果。

以下是一个简单的Python代码示例，展示了如何使用K-Means算法对鸢尾花数据集进行聚类：

import numpy as np
from sklearn import datasets
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import silhouette_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 数据标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 使用K-Means算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=42)
kmeans.fit(X_scaled)
labels = kmeans.labels_

# 评估聚类效果
silhouette_avg = silhouette_score(X_scaled, labels)
print(f"轮廓系数: {silhouette_avg}")

# 打印每个簇的质心
print("质心:", kmeans.cluster_centers_)