K中心对鸢尾花数据集进行聚类并且可视化

要对鸢尾花数据集进行K中心聚类，并进行可视化，可以使用以下代码：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.metrics import pairwise_distances_argmin_min
import matplotlib.pyplot as plt

# 导入鸢尾花数据集
iris = load_iris()
X = iris.data

# 定义K中心聚类函数
def k_center_clustering(X, k):
    centers = [X[0]]  # 初始化聚类中心，选择第一个样本点作为初始中心
    while len(centers) < k:
        # 计算每个样本点到已有中心的最小距离
        distances = pairwise_distances_argmin_min(X, centers)[1]
        # 选择距离最大的样本点作为新的聚类中心
        new_center = X[np.argmax(distances)]
        centers.append(new_center)
    return np.array(centers)

# 调用K中心聚类函数
k = 3  # 聚类簇数
centers = k_center_clustering(X, k)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c='blue', label='Data Points')
plt.scatter(centers[:, 0], centers[:, 1], c='red', label='Cluster Centers')
plt.xlabel('Sepal Length')
plt.ylabel('Sepal Width')
plt.title('K-center Clustering on Iris Dataset')
plt.legend()
plt.show()

运行以上代码后，你将得到一个散点图，其中蓝色点表示原始数据点，红色点表示聚类中心。你可以根据需要修改代码中的维度和颜色等参数，以适应不同的数据集和可视化需求。