python聚类分析案例

以下是一个简单的 Python 聚类分析案例，使用的数据集是 iris 数据集：

from sklearn.cluster import KMeans
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt

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

# 聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 可视化
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.show()

解释一下上面的代码：

1. 首先，我们导入了必要的库，包括 `KMeans` 聚类算法和 `load_iris()` 函数来加载 iris 数据集。
2. 然后，我们加载 iris 数据集并将其存储在变量 `X` 中。
3. 接下来，我们使用 `KMeans()` 函数创建一个聚类器对象，并将聚类数设置为 3。
4. 接着，我们使用 `fit()` 方法将聚类器应用于数据集。
5. 最后，我们使用 `scatter()` 函数来可视化聚类结果，其中 `c` 参数指定了用于着色的标签，`cmap` 参数指定了使用的颜色映射。

这个案例中，我们对 iris 数据集进行了聚类分析，并使用散点图将聚类结果可视化。