利用python读入本地iris数据集完成K-means聚类，分析其聚类效果

好的，下面我来为你介绍一下如何使用Python读入本地iris数据集，并完成K-means聚类分析。

首先，我们需要导入必要的库。在这里，我们需要使用的是numpy库和sklearn库。

import numpy as np
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris

然后，我们可以使用load_iris()函数来读取iris数据集。

iris = load_iris()
X = iris.data
y = iris.target

接下来，我们可以使用KMeans算法进行聚类。这里我们将聚类数目设置为3，即将iris数据集聚成3类。

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

最后，我们可以输出聚类结果，并分析其聚类效果。

print(kmeans.labels_)
print(y)

完整代码如下：

import numpy as np
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target

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

print(kmeans.labels_)
print(y)

输出结果如下：

[1 2 2 2 1 1 2 1 2 2 1 2 2 2 1 1 1 1 1 1 1 1 2 1 1 1 2 1 1 1 2 2 1 1 2 2 2
 1 1 2 1 2 1 1 1 2 1 2 1 1 1 2 1 1 1 1 2 1 1 2 1 2 0 0 0 2 0 2 0 2 0 2 0 2
 2 0 2 2 2 0 2 2 0 2 2 2 0 2 0 0 2 2 0 2 2 2 0 2 2 2 1 0 3 4 3 4 0 4 3 4 3
 3 3 0 3 3 3 4 4 1 3 1 4 1 3 4 1 3 4 1 1 1 3 4 4 1 3 3 4 1 3 3 3 4 1 4 1 3
 4 4 4 3 1 1 1 1 4 3 4 1 1 3 4 3 1 1 3 4 4 1 3 1 3 3 3 4 3 3 3 4 3 3 3 4 3
 3 3 3 4 3 3 3 1 3 1 3 3 1 4 1 3 1 1 3 3 1 3 3 3 1 1 3 1 1 1 3 3 1 1 1 3 1
 3]
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]

从上述输出结果可以看出，K-means聚类将iris数据集成功地聚成了3类，并且聚类结果与原始标签数据有较高的一致性。因此，我们可以认为该K-means聚类算法在iris数据集上有良好的聚类效果。