基于k-means算法的鸢尾花的分类的python算法实现

好的，以下是基于k-means算法的鸢尾花分类的Python算法实现：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_iris

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

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

# 定义k值范围
k_range = range(1, 11)

# 定义存储惯性（inertia）的列表
inertias = []

# 循环k值范围，计算不同k值下的惯性值
for k in k_range:
    kmeans = KMeans(n_clusters=k, random_state=42)
    kmeans.fit(X_scaled)
    inertias.append(kmeans.inertia_)

# 绘制惯性-聚类数曲线
plt.plot(k_range, inertias, 'bx-')
plt.xlabel('Number of Clusters (k)')
plt.ylabel('Inertia')
plt.title('Elbow Method For Optimal k')
plt.show()

# 根据图像选择最佳的聚类数，此处选择k=3
kmeans = KMeans(n_clusters=3, random_state=42)
kmeans.fit(X_scaled)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.xlabel('Sepal Length')
plt.ylabel('Sepal Width')
plt.title('KMeans Clustering of Iris Dataset')
plt.show()

以上代码通过在鸢尾花数据集上运行k-means算法，将数据分为3类，并绘制了聚类结果的可视化图像。