鸢尾花数据使用streamlit作k-means聚类

以下是使用streamlit实现鸢尾花数据的k-means聚类的示例代码：

import streamlit as st
from sklearn import datasets
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt

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

st.title('鸢尾花数据聚类')

# 显示数据
st.write('数据：')
st.write(X)

# 设置k值
k = st.slider('选择k值：', 1, 10, 3)

# 创建模型并训练
model = KMeans(n_clusters=k)
model.fit(X)

# 预测聚类结果
y_pred = model.predict(X)

# 显示聚类结果
st.write('聚类结果：')
st.write(y_pred)

# 绘制聚类结果图像
colors = ['red', 'blue', 'green', 'yellow', 'purple', 'orange', 'black', 'pink', 'gray', 'brown']
for i in range(len(X)):
    plt.scatter(X[i][0], X[i][1], color=colors[y_pred[i]])

st.pyplot()

运行以上代码，将会得到一个交互式的streamlit应用程序，可以使用滑块选择k值，然后显示数据和聚类结果，并绘制聚类结果图像。用户可以根据需要调整k值，观察聚类结果的变化。