计算外部指标 rand_index = rand_score(iris_target, clusters) fmi = fowlkes_mallows_score(iris_target, clusters)，其中iris_target是什么意思，未解析的引用 'iris_target'怎么办

iris_target是指鸢尾花数据集中每个样本所属的真实类别标签，如果出现未解析的引用 'iris_target'，则需要先定义iris_target数组或列表并赋值。可以使用sklearn库中的load_iris函数加载鸢尾花数据集，并获取真实类别标签，示例代码如下：

from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()

# 获取真实类别标签
iris_target = iris.target

在上述代码中，iris_target即为鸢尾花数据集中每个样本的真实类别标签。clusters是聚类算法得到的类别标签，可以使用不同的聚类算法进行计算，例如K-means等。然后，可以用rand_score和fowlkes_mallows_score函数计算rand_index和fmi指标，示例代码如下：

from sklearn.metrics import rand_score, fowlkes_mallows_score

# 计算rand_index和fmi指标
rand_index = rand_score(iris_target, clusters)
fmi = fowlkes_mallows_score(iris_target, clusters)

其中，rand_index和fmi分别为计算得到的外部评价指标。