使用 scikit-learn中的kmeans算法对iris数据集进行聚类并输出聚类标签

在Python中，我们可以使用scikit-learn库中的KMeans算法对Iris数据集进行聚类。以下是简单的步骤：

首先，你需要安装必要的库，如果还没有的话：

pip install numpy pandas sklearn

然后，你可以按照以下代码进行操作：

from sklearn import datasets
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 我们通常只取前两维特征，因为k-means仅考虑欧几里得距离

# 创建KMeans模型，并设置簇的数量为3（因为Iris有三个物种）
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(X)

# 获取聚类标签
labels = kmeans.labels_

# 输出聚类结果
print("Cluster labels:", labels)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1])
plt.title('K-means Clustering of Iris dataset')
plt.show()

在这个例子中，我们选择了两个主成分（通常是前两维），然后运行了KMeans算法。最后，我们将每个样本点的颜色映射到对应的聚类标签上，以便可视化结果。