python，使用数据生成器生成的100条数据的聚类，完成鸢尾花的聚类效果显示。使用后面两个特征来进行聚类分析。不要降维

Python中的`sklearn`库提供了强大的机器学习功能，包括聚类算法如K-means。我们可以使用`numpy`生成随机数据，并结合`sklearn.cluster.KMeans`和`matplotlib`来展示聚类结果。首先，我们需要导入必要的库并创建一个数据生成器。这里我们假设数据集包含100条数据，每个样本有两个特征，我们将只选取最后两个特征进行聚类。

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 创建一个随机数据生成器，模拟鸢尾花数据（例如，花瓣长度和宽度）
def data_generator(n_samples=100):
    features = np.random.rand(n_samples, 4) * 6 + [1, 5]  # 随机值在[1, 7]之间
    return features[:, -2:]  # 取最后两个特征

# 使用生成的数据进行K-means聚类，比如选择3个簇
n_clusters = 3
data = data_generator(100)
kmeans = KMeans(n_clusters=n_clusters)
labels = kmeans.fit_predict(data)

# 显示聚类结果
plt.scatter(data[:, 0], data[:, 1], c=labels, cmap='viridis')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title(f"K-means Clustering on {n_clusters} clusters")
plt.show()

#