分裂聚类对鸢尾花数据集聚类

鸢尾花数据集是一个经典的聚类数据集，通常用于测试聚类算法。这个数据集包含150个样本，分为三个不同的品种：山鸢尾、变色鸢尾和维吉尼亚鸢尾，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。

使用Python的sklearn库中的分裂聚类算法可以对鸢尾花数据集进行聚类，具体的代码如下：

from sklearn.datasets import load_iris
from sklearn.cluster import AgglomerativeClustering

iris = load_iris()
X = iris.data

model = AgglomerativeClustering(n_clusters=3, linkage='ward')
model.fit(X)

labels = model.labels_
print(labels)

在这个代码中，我们首先加载鸢尾花数据集，并将数据存储在X变量中。然后，我们定义了一个AgglomerativeClustering对象，其中n_clusters参数指定了希望聚类的数量，linkage参数指定了使用的链接方法（ward表示使用Ward方差最小化算法）。最后，我们使用fit()方法拟合模型，并使用labels_属性获取每个样本的聚类分配结果。

这段代码的输出将是一个长度为150的数组，其中每个元素表示对应样本所属的聚类编号。