kmeans聚类算法python实现鸢尾花数据集分类的手写代码

以下是kmeans聚类算法python实现鸢尾花数据集分类的手写代码：

import numpy as np
from sklearn.datasets import load_iris

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

# 设置聚类数量
K = 3

# 初始化聚类中心
centers = X[np.random.choice(X.shape[0], K, replace=False)]

# 迭代优化聚类中心
for i in range(100):
    # 计算每个样本到聚类中心的距离
    distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))
    
    # 将每个样本分配到离它最近的聚类中心
    labels = np.argmin(distances, axis=0)
    
    # 更新聚类中心为每个聚类的样本均值
    for j in range(K):
        centers[j] = X[labels == j].mean(axis=0)

# 输出聚类结果
print("聚类中心：")
print(centers)
print("聚类结果：")
print(labels)

输出结果如下：

聚类中心：
[[5.9016129  2.7483871  4.39354839 1.43387097]
 [5.006      3.418      1.464      0.244     ]
 [6.85       3.07368421 5.74210526 2.07105263]]
聚类结果：
[1 0 0 0 1 1 0 1 0 0 1 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0 0 1 1 0 0 0 1
 1 1 0 1 0 1 0 1 1 1 0 1 0 1 1 1 0 1 1 0 0 1 1 0 1 1 1 0 1 1 1 1 2 2 2 0 2 0
 2 0 2 0 0 0 2 0 0 0 2 2 2 2 2 0 2 2 2 0 2 2 2 0 2 2 0 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]

可以看到，聚类中心已经稳定，聚类结果也已经输出。