鸢尾花的聚类和分类算法代码，天气预测的回归算法代码

以下是使用Python实现鸢尾花数据集的K-Means聚类和决策树分类算法代码：

# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
from sklearn.tree import DecisionTreeClassifier

# 加载数据集
iris = load_iris()

# 使用K-Means算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0)
kmeans.fit(iris.data)

# 输出聚类结果
print(kmeans.labels_)

# 使用决策树算法进行分类
dtc = DecisionTreeClassifier(random_state=0)
dtc.fit(iris.data, iris.target)

# 输出分类结果
print(dtc.predict(iris.data))

以下是使用Python实现天气预测数据集的线性回归算法代码：

# 导入所需的库
import pandas as pd
from sklearn.linear_model import LinearRegression

# 加载数据集
weather = pd.read_csv('weather.csv')

# 提取特征和标签
X = weather[['temperature', 'humidity']]
y = weather['pressure']

# 使用线性回归算法进行回归
lr = LinearRegression()
lr.fit(X, y)

# 输出回归系数和截距
print('Coefficients:', lr.coef_)
print('Intercept:', lr.intercept_)

# 预测新的数据
new_data = [[20, 60], [25, 70]]
print('Predictions:', lr.predict(new_data))

需要注意的是，以上代码仅供参考，实际应用中可能需要根据具体情况进行调整。