使用K-means算法对鸢尾花数据集进行聚类

好的，下面是使用K-means算法对鸢尾花数据集进行聚类的步骤：

1. 导入需要的库和数据集

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

iris = datasets.load_iris()
X = iris.data[:, :2] # 取前两个特征，方便可视化
y = iris.target

2. 可视化数据集

plt.scatter(X[:, 0], X[:, 1], c=y)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.show()

上图是鸢尾花数据集的散点图，横轴是花萼长度，纵轴是花萼宽度，不同颜色代表不同种类的花。

3. 使用K-means算法进行聚类

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

这里选择将数据集分为3类，随机种子为0。

4. 可视化聚类结果

y_pred = kmeans.predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.show()

上图是K-means算法聚类的结果，不同颜色代表不同的聚类簇。

完整代码如下：